57 artículos
Este trabajo desarrolla una teoría dinámica para el razonamiento secuencial en redes de Hopfield impulsadas por entrada, derivando condiciones explícitas para las transiciones de memoria autosostenidas y estableciendo un puente matemático entre la dinámica clásica de Hopfield y las arquitecturas modernas de razonamiento.
El estudio demuestra que la conductancia sináptica natural maximiza la eficiencia de información (bits por vatio) al operar en una relación señal-ruido predicha por la termodinámica y la teoría de la información, lo que explica cuantitativamente la caída de eficiencia observada cuando la conductancia se desvía de su valor óptimo sin necesidad de parámetros libres.
Este estudio propone el uso de Redes Neuronales Equilibradas (EINNs) para detectar de manera eficiente umbrales críticos y transiciones abruptas en sistemas dinámicos complejos, invirtiendo el proceso tradicional al inferir parámetros a partir de estados de equilibrio y así identificar regiones de inestabilidad sin necesidad de simulaciones exhaustivas.
Este estudio presenta un enfoque sistemático para abordar los "problemas fáciles" de la conciencia mediante un sistema cognitivo ejecutable basado en la filosofía kantiana, demostrando que capacidades como la discriminación, la atención y el control deliberado pueden derivarse de mecanismos computacionales de aprendizaje, estados emocionales y manipulación de información.
El artículo presenta INTENSE, un marco de código abierto que utiliza la información mutua y pruebas de permutación circular para detectar y desentrañar la selectividad neuronal en datos de imágenes de calcio de animales en comportamiento libre, superando las limitaciones de los métodos actuales al controlar la estructura temporal y la covarianza conductual.
Este artículo propone que la consolidación de la memoria no solo estabiliza representaciones, sino que optimiza la generalización mediante un "olvido predictivo" que comprime la información reteniendo selectivamente lo que predice resultados futuros, un proceso iterativo que mejora los límites teóricos de generalización y ha sido validado mediante simulaciones en modelos neuronales y de lenguaje.
Este estudio demuestra que la geometría neural en el hipocampo humano organiza la información espacial de uno mismo, otros y la dirección de la mirada en subespacios ortogonales pero alineables, lo que permite una generalización flexible y la abstracción de reglas espaciales entre diferentes agentes y puntos de vista.
Este estudio presenta un pipeline computacional que combina segmentación temporal y clasificadores de aprendizaje automático para predecir con alta precisión la intención motora y la dirección de movimiento a partir de señales EMG, demostrando su viabilidad para mejorar la respuesta y la rehabilitación en sistemas de asistencia adaptativa.
El artículo presenta DecNefSimulator, un marco de simulación modular e interpretable que utiliza modelos generativos para formalizar el neurofeedback decodificado como un problema de aprendizaje automático, permitiendo a los investigadores analizar sus dinámicas, reproducir fenómenos empíricos y optimizar protocolos de forma virtual antes de su implementación en humanos.
Este trabajo presenta un marco teórico basado en la teoría de la información que optimiza el diseño experimental de estímulos para maximizar la diferencia de rendimiento entre decodificadores, permitiendo así distinguir de manera efectiva si las poblaciones neuronales sensoriales codifican la función de verosimilitud o la distribución posterior.
El artículo presenta SemKey, un marco innovador que supera las limitaciones actuales en la decodificación de EEG a texto mediante la guía semántica desacoplada y la alineación estricta con señales neurales, logrando así una generación libre de alucinaciones y una evaluación más robusta que las métricas tradicionales como BLEU.
El artículo presenta NEURONA, un marco neurosimbólico que mejora la decodificación de actividad cerebral mediante fMRI al integrar el razonamiento simbólico y las estructuras composicionales, logrando así una mayor precisión y generalización en la interpretación de conceptos visuales.
Este trabajo demuestra que la incorporación de un mecanismo de retroalimentación sináptica en un modelo de cerebro cuántico basado en Lipkin-Meshkov-Glick reconfigura sustancialmente su diagrama de fases, expandiendo la fase paramagnética y desplazando los límites críticos, lo cual se caracteriza mediante distribuciones de Husimi, entropía de Wehrl y dinámicas de campo medio que validan la idoneidad del modelo para estudiar cómo la plasticidad sináptica modula la criticidad colectiva.
Este estudio presenta NeuroFlowNet, un marco generativo innovador basado en flujos normalizadores condicionales que reconstruye por primera vez señales de electroencefalografía intracraneal (iEEG) de alta fidelidad en el lóbulo temporal profundo a partir de electroencefalografía de cuero cabelludo (sEEG), superando las limitaciones de los métodos tradicionales al capturar eficazmente la aleatoriedad y las dependencias a largo plazo de la dinámica cerebral.
El artículo presenta un transformador aumentado con memoria que logra una lateralización funcional especializada mediante un acoplamiento cruzado inhibitorio, el cual evita el colapso de dominancia bancaria y mejora drásticamente el recuerdo episódico sin perjudicar la predicción basada en reglas.
El artículo demuestra que la vulnerabilidad a ejemplos adversarios surge de una desalineación exponencial entre las variedades perceptuales de las máquinas y las humanas, donde la dimensión excesivamente alta de los conceptos de las redes neuronales crea un espacio de entrada donde cualquier perturbación imperceptible puede fácilmente cruzar hacia otra clase, lo que implica que la robustez requiere alinear estas dimensiones.
Este artículo presenta un modelo de neurona de integración y disparo cuadrática (QIF) de dos fases que elimina la divergencia de voltaje no física del modelo estándar manteniendo una descripción exacta de baja dimensión en el límite termodinámico, lo que permite un reemplazo biológicamente plausible y analíticamente tratable en marcos de campo medio existentes.