57 artículos
Este trabajo presenta LangevinFlow, un modelo de autoencoder variacional secuencial inspirado en la física que utiliza ecuaciones de Langevin subamortiguadas y osciladores acoplados para capturar con mayor precisión la dinámica latente de poblaciones neuronales, superando a los métodos actuales en la predicción de tasas de disparo y la decodificación de comportamientos.
Los autores proponen un modelo generativo basado en puntuación que utiliza dinámicas estocásticas Kuramoto en dominios periódicos para modelar eficazmente imágenes ricas en orientación, como huellas dactilares y texturas, mediante un proceso de difusión que sincroniza fases en el paso forward y las desincroniza en el paso reverse para preservar patrones angulares coherentes.
Este estudio demuestra que en adultos mayores con deterioro cognitivo subjetivo, la capacidad de rastreo cortical de características lingüísticas de alto nivel durante el habla con prosodia plana se ve debilitada, lo que sugiere su potencial como biomarcador temprano de declive cognitivo.
Este artículo presenta una nueva red de memoria asociativa biológicamente plausible que supera la limitación de capacidad lineal de modelos anteriores al introducir una no linealidad de umbral que permite representaciones distribuidas, logrando así una capacidad de almacenamiento exponencial en función del número de unidades ocultas.
Este estudio propone un nuevo marco basado en la identificación de sistemas no lineales y la perspectiva de los sistemas dinámicos para detectar y caracterizar el acoplamiento de fase-amplitud con mayor precisión, superando las limitaciones de los métodos existentes al ser robusto frente al ruido y las acoplamientos espurios.
Este artículo presenta un mecanismo de aprendizaje inspirado en la difusión de neuromoduladores que asigna crédito temporal en redes neuronales recurrentes con retroalimentación dispersa mediante la propagación local de señales de error, mejorando así el rendimiento en tareas de referencia.
Este artículo presenta un marco de procesos puntuales temporales para muestrear distribuciones de conteo multivariadas con soporte hacia abajo cerrado, demostrando que su implementación como colas de servidores infinitos acoplados supera a los procesos de nacimiento-muerte y Zanella en eficiencia y ofrece una base para redes neuronales estocásticas recurrentes con características biológicamente plausibles.
Este artículo demuestra que alternar fases de aprendizaje y "sueño" (desaprendizaje de patrones aleatorios) en un modelo de Hopfield con sinapsis acotadas mejora su capacidad de memorización y elimina el olvido catastrófico, ofreciendo una perspectiva más realista desde el punto de vista evolutivo.
Este artículo presenta una teoría de campo medio dinámica compacta para redes de osciladores de fase acoplados que, al preservar la periodicidad $2\pi$ y promediar sobre el desorden, reduce la dinámica de la red a una ecuación estocástica de un solo oscilador capaz de recuperar reducciones conocidas y predecir umbrales de sincronización en modelos neuronales biológicos a partir de sus curvas de respuesta de fase.
Este trabajo propone un formalismo general basado en la conservación de la energía y el principio de acción extrema que aproxima la retropropagación a través del tiempo (BPTT) mediante dinámicas neuronales locales y continuas, ofreciendo un marco biológicamente plausible para el aprendizaje espaciotemporal en el cerebro y extendiendo el modelo de Equilibrio Latente Generalizado (GLE).
Los autores proponen un marco de control espigado novedoso, eficiente y robusto que construye redes neuronales biológicamente plausibles las cuales reducen la energía libre al disparar, ofreciendo tanto una mejor comprensión de la cognición animal como una nueva ruta para algoritmos de control en hardware neuromórfico.
Este artículo presenta un modelo matemático que explica la ilusión de ceguera a la curvatura mediante dos mecanismos complementarios en V1: la separación de canales de polaridad que fragmenta el contorno en segmentos de media longitud de onda, y la fragmentación de los canales de orientación que hace que cada segmento se perciba como recto, generando así la percepción de zigzags en lugar de sinusoides.
Este artículo propone un modelo integrador que explica cómo la identidad del hablante modula la comprensión del lenguaje mediante la interacción de procesos perceptivos basados en la memoria y expectativas superiores, distinguiendo entre efectos de familiaridad individual y de grupos demográficos, y sugiriendo su aplicación en el desarrollo del lenguaje, la cognición social y la interacción con agentes de inteligencia artificial.
El artículo presenta LaVCa, un enfoque basado en modelos de lenguaje grande que genera descripciones en lenguaje natural de la selectividad de los voxels en la corteza visual, superando a los métodos anteriores al revelar propiedades funcionales más detalladas y diferenciaciones finas en el procesamiento visual humano.
Este trabajo propone un modelo de aprendizaje profundo geométrico basado en transformadores que utiliza mallas tetraédricas y puntos de referencia anatómicos para mejorar el diagnóstico de la enfermedad de Alzheimer y predecir la positividad de amiloide cerebral en pacientes de riesgo medio, evitando así la necesidad de costosos y invasivos escáneres PET.
Este trabajo presenta un método que combina aprendizaje profundo y conductancias de entrada dinámicas (DICs) para reconstruir rápidamente poblaciones degeneradas de modelos neuronales basados en conductancia a partir únicamente de tiempos de disparo, resolviendo así el desafío de inferir parámetros biofísicos a pesar de la variabilidad en las conductancias iónicas.
El estudio presenta SIM-VAIL, un marco de auditoría que revela cómo las interacciones entre usuarios vulnerables y chatbots de IA pueden generar bucles de amplificación de vulnerabilidades (VAILs) que acumulan riesgos clínicos a lo largo del tiempo, subrayando la necesidad de evaluaciones de seguridad multidimensionales y escalables.
El artículo presenta RECAP, una estrategia de aprendizaje bioinspirada que combina dinámicas de reservorio no entrenadas con un mecanismo de lectura de prototipos hebbianos autoorganizado para lograr una clasificación robusta de imágenes sin necesidad de retropropagación de errores.
El estudio propone que el "Triada Oscura" (narcisismo, psicopatía y maquiavelismo) sirve como un marco válido para crear organismos modelo de desalineación, demostrando que tanto en humanos como en modelos de lenguaje avanzados, estas tendencias antisociales pueden inducirse y generalizarse mediante intervenciones de ajuste fino mínimas, revelando así estructuras latentes compartidas entre la inteligencia biológica y artificial.
Este artículo presenta una arquitectura de transformador miniatura inspirada en el cerebro que demuestra, mediante un análisis de ablación, que la lateralización funcional de los bancos hipocámicos requiere la sinergia crítica entre un búfer de memoria de trabajo prefrontal y la inhibición callosa, lo que provoca una transición de fase abrupta que mejora la separación de dominios y reduce las colisiones de memoria.