neural encoding | BriefGPT - AI 论文速递

关键词neural encoding

搜索结果 - 7

一个预测性学习模型可以模拟连续语音的神经表示中发现的时间动力学和上下文效应
模拟了从计算模型中提取的表示进行的分析揭示了与大脑信号相似的时间动态，这表明这些特性可以在没有语言知识的情况下出现。此外，研究证明，声素的编码模式支持一定程度的跨语境概括，但我们发现这种概括的有效性取决于具体的语境，这表明单独的分析不足以支
PDF2 months ago
促进葡萄牙语开放神经编码器生态系统与 Albertina PT * 系列的发展
为了促进葡萄牙语的神经编码，本论文提出了一些基础的编码器模型，这些模型是为这种语言开发的大型语言模型稀缺的生态系统的扩展，而且都是免费开放的，可以用于任何目的，包括研究和商业用途。此外，我们还获得了对其生态系统有意义的进一步结果，即基于 S
PDF4 months ago
调音至神经编码：将人脑与人工监督的语言表达连接起来
我们通过研究任务调整如何影响预训练的 Transformer 用于神经编码，并确定了对大脑激活模式有最高预测能力的任务类型，展示了通过 prompt-tuning 生成的监督表示比传统的微调在四个任务上更好地预测对中文刺激的神经反应。此外，
PDF9 months ago
多窃听者下的安全深度 JSCC
本文研究了一种基于深度学习辅助的联合源信道编码（Deep-JSCC）方法的推广，用于安全通信。我们提出了一种端到端（E2E）学习的方法，用于抵御复杂衰落信道上多个窃听者的攻击。通过推广隐私漏斗和窃听信道编码的思想，我们揭示了合法接收节点的图
PDFa year ago
用 Transformer Albertina PT-* 推进葡萄牙语的神经编码
为促进葡萄牙语的神经编码和数字化时代技术准备，我们开发了一种名为 Albertina PT-* 的基于 Transformer 的编码器，并在欧洲葡萄牙语和巴西葡萄牙语方言的领域设立了最先进的技术水平，在借鉴 DeBERTa 强大模型的基础
PDFa year ago
ACL一种有效的基于转移的不连续命名实体识别模型
提出了一种基于转换和使用通用神经编码的简单有效的模型，能够识别医学命名实体识别中存在的连续和不连续的提及，同时在三个生物医学数据集上实验表明，该模型能够有效识别不连续提及，不会牺牲连续提及的准确性。
PDF4 years ago
NIPS单通道音频源分离的相位相关性研究
研究阐述了利用神经可行性稀疏生成模型中保留声音频谱的相位信息，可以更好地分离音频中的人声与音乐，减少了分离出的音频中的伪声，同时取得了最先进的状态分离性能。
PDF7 years ago