neural dynamics | BriefGPT - AI 论文速递

关键词neural dynamics

搜索结果 - 9

通过替代性梯度尖峰神经网络探索言语知觉中的神经振荡
开发出基于生理学的语音识别体系结构，通过深度学习框架进行端到端的梯度下降训练，揭示了中央尖峰神经网络中神经振荡的出现，通过测量交互网络层内部和层间的显著交叉频率耦合来处理语音，发现反馈机制的抑制作用对调节和同步神经活动以提高识别性能至关重要
PDFa month ago
大规模语言建模中星神经网络的天线细胞增强技术
脑部的神经结构复杂，星形胶质细胞在发育、结构和新陈代谢方面起着至关重要的作用。这些细胞通过三分神经突触调节神经活动，直接影响学习和记忆等认知过程。我们开发了一种称为 Astrocyte-Modulated Spiking Unit (AM-
PDF5 months ago
一种可微分的大脑模拟器，桥接大脑模拟和启发式计算
使用 JAX 和 XLA 开发的可微分脑模拟器 BrainPy，通过引入完整的灵活、高效和可扩展的脑模拟功能，旨在弥合脑模拟和脑启发式计算之间的差距，展示了其在基准任务上的高效性和可扩展性，强调其对生物可行的脉冲模型的可微模拟性，并讨论其在
PDF6 months ago
任意潜在流形上的向量场的隐式高斯过程表示
RVGP 是一种推广的高斯过程（GPs），用于学习潜在黎曼流形上的向量信号，通过与数据的常见基于图形的逼近相关的切空间束联结 Laplacian 的特征函数进行位置编码，具有全局规律性，可以在保留奇异点的同时对向量场进行超分辨率重建和内插，
PDF8 months ago
ICML通过神经动力学的显式规则改进 DEQs 的对抗性鲁棒性
本文通过神经动力学的视角对 Deep Equilibrium 模型进行了解释，并提出了一种降低预测熵的方法来提高其鲁棒性。实验结果表明，该方法有效地提高了 DEQs 模型的鲁棒性，甚至优于强深度网络基线。
PDFa year ago
从全脑数据中学习低维度动力学提高任务捕获能力
本文介绍了一种新方法，使用顺序变分自编码器（SVAE）和神经常微分方程（NODE）来学习神经动力学的低维逼近。该方法产生的光滑动态可以准确地预测认知过程，并显示出对任务相关的脑区的改善空间定位并识别出著名的结构，如 fMRI 运动任务记录中
PDFa year ago
神经群体动态和几何的可解释统计表征
本研究提出了一种基于统计学习的无监督几何深度学习框架，利用局部相空间特征的统计分布来表示非线性动态系统，该方法提供了鲁棒的几何感知或几何无关的表示，可用于测量轨迹的基础上进行无偏的动力学比较，并设计了一种具有最先进准确性的解码算法。
PDFa year ago
学习可学习的潜在嵌入用于行为和神经联合分析
CEBRA 使用行为和神经数据生成一致高性能的潜在空间，并发现了关于其空间映射、解释复杂的影像特征和自然影片的高精度解码。
PDF2 years ago
用广义线性模型捕获单个神经元的动态可重现性
研究发现，泊松广义线性模型可用于表征神经元的动力学行为，包括单峰和多峰放电、不同兴奋类型和双稳态等，从而适用于单神经元和群体响应属性的动力学和统计学研究。
PDF8 years ago