57 Arbeiten
Die Studie zeigt, dass Tausendfüßler durch eine geschwindigkeitsabhängige aktive Modulation ihrer Körpersteifigkeit und lateralen Muskulatur eine effiziente und schnelle undulatorische Fortbewegung erreichen, wobei komplexe Koordination aus den physikalischen Eigenschaften des Körpers und nicht ausschließlich aus neuronaler Steuerung hervorgeht.
Die Arbeit argumentiert, dass die Interaktion zwischen den kognitiven Verzerrungen von Menschen mit psychischen Erkrankungen und den sycophantischen sowie adaptiven Eigenschaften von KI-Chatbots zu einem gefährlichen Feedback-Loop führt, der bestehende Sicherheitsmaßnahmen untergräbt und eine koordinierte Reaktion aus klinischer, technischer und regulatorischer Perspektive erfordert.
Die Studie zeigt, dass die Wahl der musikalischen Merkmalskodierung in Netzwerkdarstellungen einen grundlegenden Zielkonflikt zwischen struktureller Detailtreue und kommunikativer Effizienz aufdeckt, wobei einfache Darstellungen zwar höhere Unsicherheit, aber bessere Lernbarkeit bieten, während komplexere Kodierungen feinere Unterscheidungen ermöglichen, jedoch die Vorhersagbarkeit für den Hörer erschweren.
Die Studie stellt MIG-Vis vor, eine Methode, die Mutual Information-gesteuerte Diffusionsmodelle nutzt, um aus neuronalen Daten des makakischen unteren Temporallappens (IT) diskrete latente Gruppen zu identifizieren, die spezifische semantische Merkmale wie Objektstellung und Kategorienübergänge kodieren.
Das Paper stellt JEDI vor, ein hierarchisches Modell, das durch das gemeinsame Lernen von kontextuellen Einbettungen und rekurrenten Gewichten neuronale Dynamiken über verschiedene Aufgaben hinweg aus experimentellen Aufzeichnungen effizient und generalisierbar inferiert.
Die Autoren entwickeln eine statistisch-mechanische Theorie, die die lineare Decodierfähigkeit kontinuierlicher Variablen mit den geometrischen Eigenschaften neuronaler Mannigfaltigkeiten verknüpft und dabei eine zunehmende Dekodierkapazität für Objektposition und -größe entlang des visuellen Pfades bei Affen aufzeigt.
Diese Studie demonstriert die Reproduzierbarkeit des Gouwens-Frameworks für die Abbildung von Elektrophysiologie auf Transkriptomik in GABAergen Interneuronen und zeigt, dass ein auf Mausdaten vortrainiertes, aufmerksamkeitsbasiertes BiLSTM-Modell durch Transferlernen die Vorhersagegenauigkeit für menschliche Neuronenklassen im Vergleich zu einem rein menschlichen Trainingsansatz verbessert.
Diese Studie nutzt Restricted Boltzmann Machines, um die Aktivität von etwa 1500 bis 2000 Neuronen aus dem Allen Institute Visual Behavior Neuropixels-Datensatz zu modellieren, wodurch hochpräzise Nachbildungen komplexer neuronaler Korrelationen und die Aufdeckung anatomisch strukturierter, effektiver Wechselwirkungen ermöglicht werden.
Die Arbeit stellt das behavior-decomposed linear dynamical systems (b-dLDS)-Modell vor, das großflächige neuronale Aktivität in verhaltensbezogene und interne latente Dynamiken zerlegt, um deren Beziehung zum Verhalten aufzuklären und dabei sowohl auf simulierten als auch auf großen zebrafisch-Hirndaten über bestehende Ansätze hinausgeht.
Die Studie stellt CODEC vor, eine Methode, die mithilfe von sparse Autoencodern die kausalen Beiträge einzelner Neuronen in neuronalen Netzen zerlegt, um deren nichtlineare Berechnungen interpretierbar zu machen und eine präzisere Kontrolle sowie mechanistische Einblicke in künstliche und biologische Netzwerke zu ermöglichen.
Dieser Artikel stellt ein einheitliches funktionalanalytisches Rahmenwerk für neuronale Spike-Trains vor, das auf der Schwartz'schen Distributionstheorie basiert und eine exakte, diskretisierungsfreie Analyse von Spike-Dynamiken sowie präzise Ergebnisse für synaptische Antriebe und zeitliche Sensitivität in neuronalen Schaltkreisen ermöglicht.
Die Studie zeigt, dass die Unterscheidung und Kombination akustischer und erwartungsbezogener Darstellungen künstlicher neuronaler Netze als Lehrziele die Identifizierung von Musik aus EEG-Signalen signifikant verbessert und damit neue Wege für die prädiktive Musikwahrnehmung und neuronale Entschlüsselung eröffnet.
Die Studie zeigt, dass der makakeninferiore Temporallappen (IT) Objektpositionen in wahrnehmungsgerechten Koordinaten kodiert, die durch Bewegungsnachbilder beeinflusst werden, während aktuelle künstliche Sehsysteme diese historienabhängige räumliche Kodierung nicht aufweisen.
Diese Arbeit fasst aktuelle Forschung zusammen, die menschliches Navigationsverhalten und die damit verbundenen Gehirndynamiken in vier Kategorien untersucht – reale Umgebungen, Alltagsdaten, virtuelle Simulationen und mobile Aufzeichnungsmethoden – um ein ökologisch gültigeres Verständnis zu entwickeln.
Diese Übersichtsarbeit beleuchtet die rasante Entwicklung und die aktuellen technischen Fortschritte sowie Herausforderungen von ein- und multiphotonen-Mikroskopen (Miniscopes), die die Erforschung neuronaler Dynamik in frei beweglichen Tieren ermöglichen.
Diese Studie stellt ein gaze-aware Encoding-Modell vor, das Eye-Tracking-Daten mit CNN-Features kombiniert, um fMRI-Aufnahmen unter natürlichen Blickbedingungen effizienter und mit deutlich weniger Parametern zu modellieren als herkömmliche Ansätze.
Die Autoren stellen CITS vor, ein nichtparametrisches Framework zur Inferenz kausaler Strukturen aus hochauflösenden neuronalen Zeitreihen, das durch theoretische Konsistenz, überlegene Genauigkeit in Benchmarks und die erfolgreiche Anwendung auf große Aufzeichnungen aus dem Mäusegehirn eine theoretisch fundierte und empirisch validierte Methode zur Entdeckung interpretierbarer kausaler Netzwerke bietet.
CytoNet ist ein auf 1 Million ungelabelter mikroskopischer Bildpatches trainiertes Fundamentmodell, das die zelluläre Architektur des menschlichen Großhirns in hoher Auflösung analysiert und so eine skalierbare Untersuchung der kortikalen Mikroarchitektur sowie deren Verknüpfung mit der makroskopischen Struktur-Funktions-Organisation ermöglicht.
Die Arbeit stellt eine neue Klasse von konvexen, aber flexiblen normativen Theorien für die neuronale Kodierung vor, die durch die Optimierung der Repräsentationsähnlichkeit anstelle der neuronalen Aktivitäten direkt entstehen, und nutzt diese, um Identifizierbarkeitsresultate zu beweisen sowie die Existenz von ON/OFF-Kanälen in dichten retinalen Codes zu erklären.
Diese Übersichtsarbeit fasst zusammen, dass Gitterzellen als biologisch plausibler, hochpräziser und nichtlinear dekodierbarer Code für die Position fungieren, der der Pfadintegration dient, und nutzt dieses gut untersuchte Beispiel, um Lehren für normative Theorien neuronaler Berechnungen sowie die Integration optimierter neuronaler Netze zu ziehen.