- BrainMAE: 脑信号的区域感知自监督学习框架
利用功能磁共振成像 (fMRI) 和深度学习方法,我们提出一种名为 BrainMAE 的大脑掩码自编码器,能够从 fMRI 时间序列数据中学习表示,捕捉大脑活动的丰富时间动态并对数据中固有的噪声具有强大的鲁棒性,并在四个不同的下游任务中显著 - IJCAI脑图学习的图神经网络综述
探索人脑的复杂结构对于了解其功能和诊断脑部疾病至关重要。最近通过将人脑建模为具有图结构的模式来研究,其中不同的脑区表示为节点,这些区域之间的功能关系表示为边。此外,图神经网络(GNNs)在挖掘图结构数据方面显示出明显优势。近来,开发用于脑部 - 使用 Gemini 引导任务树:方法与见解
机器人是未来的每个技术领域,每个先进技术最终都将被用于制造更高效的机器人。本文阐述了如何利用非结构化知识表示,并借助提示工程将其转化为有意义的结构化表示,最终用于机器人,帮助它们理解人脑如何通过最少的数据或物体创造奇迹。
- 人工意识是否可行?从人类大脑中得出的教训
从进化的角度分析了开发人工意识的问题,以人类大脑的进化和与意识的关系作为参考模型,揭示了人脑的结构和功能特征,认为现有的人工智能研究应该考虑这些特征,同时提出了在开发具有意识处理能力的系统时应从脑部特征中汲取灵感的策略。
- 通用句法结构:为多种自然语言建模句法
我们旨在解释人脑如何将单词连接起来形成句子,通过引入一种新颖的模型来建模句法表示,可能显示出所有自然语言的普遍句法结构的存在,从而提供人类大脑中语言工作方式的基本理解,同时为语言学、心理学和认知科学的理论提供一些见解。我们研究了普遍句法结构 - 利用功能磁共振成像时间序列的沉降图嵌入进行轻度认知障碍检测
通过使用脑部网络的静息态功能磁共振成像技术,本研究采用复发图方法对 100 名受试者的脑部网络进行分析,并通过自编码器得出低维特征嵌入,得到 93% 的分类准确率,证明了该方法的潜力。
- 情绪识别的最佳脑电图电极设置:一项实证探索
人脑是一个复杂的器官,主要控制身体的各个部分,同时也影响情绪。最近的研究表明,脑信号对情绪识别非常有效,但大部分情绪主要集中于哪些脑部尚未被充分探索。本研究通过实证分析了各个脑部在情绪表现中的贡献,并利用 DEAP 数据集找到与情绪相关的最 - 再三考虑?请让我们听听
深度学习模型与人类决策过程相似,但其决策过程易受干扰。我们提出了一种新的注证过程,通过模拟选择性注意力来增强深度学习模型的鲁棒性。实证评估表明,这种新的注证过程可以提高深度学习模型的准确性,并帮助我们建立安全措施以减轻其在人工和自然对抗样本 - 直观推理的图像链
通过使用连锁图像方法,将复杂的语言推理问题转化为简单的模式识别,并引入一种符号化的多模态大型语言模型,该模型可以根据语言指令生成图像并接受文本和图像作为输入,实验结果表明连锁图像方法显著提高了在几何学、国际象棋和常识任务上的性能。
- 结合多空间深度模型利用脑电信号估计心理负荷
本文旨在将心理负荷分类为三种状态并估计连续水平,使用时间域方法中的时序卷积网络和频域方法中的多维残差块结构,以提高对大脑的心理估计的精确度。
- 智能的本质
通过仿真人脑,人工智能建立了具有学习能力和接近人类水平的智能任务执行能力的计算模型,同时证明了智能的本质是一系列数学功能过程,通过建立数据集之间的功能关系来最小化系统熵,并通过能量消耗的增强方式在人类和人工智能中实现。
- 深度神经网络中自组织走向 $1/f$ 噪声
研究在 DNN,尤其是 LSTM 网络中发现存在 $1/f$ 噪声,类比于人脑中用于测量 $1/f$ 噪声的 EEG 和 fMRI 技术,研究比较了 LSTM 细胞中 “内” 和 “外” 激活的指数总体变化趋势与人脑 fMRI 信号类似。
- 脑启发式概率生成模型用于口语双关节分析
本研究基于多项神经科学调查结果,设计了一个基于概率生成模型的双关节语音分析假设模型,并探讨了它在人脑中的实现方式,为进一步探索大脑中双关节语音分析提供了重要的基础。
- 使用人工神经网络模拟视觉对象识别中的 Eureka 效应反应时间
该研究通过基于人类视神经处理图像信息的神经元模型,模拟了人类的发现效应 (Eureka effect)。
- ECCV细胞图像分割的反馈注意力
本文用类似于人类大脑的反馈处理机制解决了细胞图像分割任务,其中提出的使用反馈注意力机制的 U-Net 模型优于只使用前向传播的传统方法。
- CVPR神经生理学视角下基于注意力机制的深度神经网络动作识别分析
本文回顾了三种最近基于深度学习的动作识别方法,并从神经生理学的角度对这些方法进行了简要比较分析,我们认为这三种深度学习方法与现有假设人脑运作方式之间存在一定的类比关系。
- 用学习的语义模型改善从图像中提取信息
本研究回顾了视觉模型和统计语义先验模型相结合对图像与场景描述匹配的任务的改进,并将其与一种新颖的无明确训练视觉先验模型的条件多路模型进行比较。同时,我们还讨论了提出方法与人脑记忆模型之间的潜在关系。
- 人类脑网络中的认知嵌合状态
本文探讨使用 chimera-based 框架,研究脑区之间同步的不同模式对认知系统的影响,并提出四个认知系统分类,以反映它们的不同功能角色。
- 多尺度脑网络
本文介绍了多尺度脑网络结构的内容、方法和现状,并提供了实证证据、网络方法和当前领域的前沿和未解决问题。