57 articles
Ce travail présente LangevinFlow, un modèle d'auto-encodeur variationnel séquentiel inspiré par la physique qui utilise l'équation de Langevin sous-amortie et un réseau d'oscillateurs couplés pour capturer avec succès la dynamique latente complexe des populations neuronales, surpassant les méthodes de l'état de l'art sur plusieurs benchmarks et tâches de décodage comportemental.
Cet article propose un modèle génératif basé sur la dynamique stochastique de Kuramoto pour mieux capturer les motifs directionnels cohérents des images riches en orientation, comme les empreintes digitales, en remplaçant la diffusion euclidienne isotrope par un processus de synchronisation et de désynchronisation sur des domaines périodiques.
Cette étude démontre que chez les personnes âgées présentant un déclin cognitif subjectif, l'affaiblissement du suivi cortical des traits linguistiques supérieurs lors de l'écoute de discours à prosodie plate constitue un biomarqueur potentiel précoce du déclin cognitif.
En remplaçant la dynamique de type « gagnant-gagne-tout » par une non-linéarité à seuil permettant des représentations distribuées, cette étude propose un nouveau réseau de mémoire associative biologiquement plausible dont la capacité de stockage devient exponentielle par rapport au nombre de neurones cachés.
Cet article propose un nouveau cadre d'identification de systèmes non linéaires pour détecter et caractériser le couplage phase-amplitude avec une précision accrue et une robustesse au bruit, surpassant ainsi les limitations des méthodes existantes.
Cet article propose un mécanisme d'apprentissage inspiré de la transmission volumique des neuromodulateurs, où l'information d'erreur diffuse localement dans les réseaux de neurones à spikings pour permettre l'attribution temporelle du crédit et améliorer l'apprentissage même avec des connexions de rétroaction clairsemées.
Cet article propose un échantillonneur basé sur des processus ponctuels temporels modélisés comme des files d'attente à serveurs infinis, qui converge vers n'importe quelle distribution de comptage multivariée à support décroissant et surpasse systématiquement les processus de naissance-mort ainsi que fréquemment les processus de Zanella en termes d'efficacité d'échantillonnage.
Cette étude démontre que l'alternance de phases d'apprentissage et de « rêverie » (désapprentissage de motifs aléatoires) dans un modèle de Hopfield à poids synaptiques bornés permet d'augmenter la capacité de mémorisation tout en évitant l'oubli catastrophique, offrant ainsi une perspective plus réaliste d'un point de vue évolutif.
Cet article présente une théorie de champ moyen dynamique compacte pour les réseaux d'oscillateurs de phase couplés, qui réduit le système à une équation stochastique auto-cohérente tout en préservant la périodicité des phases et en permettant de prédire les seuils de synchronisation à partir des courbes de réponse de phase de neurones biologiques.
Cet article propose un formalisme général biologiquement plausible qui approxime la rétropropagation dans le temps en unifiant et en étendant le modèle d'équilibre latent généralisé (GLE) pour offrir un cadre rigoureux d'apprentissage spatiotemporel dans le cortex et des pistes pour des circuits physiques réalisant ces calculs.
Cet article propose un cadre de contrôle par épines neurales novateur et robuste qui implémente le principe de l'énergie libre en limitant le tir des neurones à la réduction de cette énergie, offrant ainsi une efficacité computationnelle élevée et une grande résilience aux perturbations tout en éclairant les mécanismes du contrôle cérébral.
Cet article présente un modèle mathologique expliquant l'illusion d'aveuglement à la courbure par deux mécanismes complémentaires dans V1 : la séparation des canaux de polarité qui segmente le contour en demi-longueurs d'onde, et la fragmentation des canaux d'orientation qui rend ces segments perçus comme rectilignes.
Ce article de revue propose un modèle intégrateur expliquant comment l'identité de l'orateur module la compréhension du langage par l'interaction entre des processus perceptifs ascendants et des attentes descendantes, tout en distinguant les effets d'individualité de ceux liés aux groupes démographiques et en suggérant leur application aux agents d'intelligence artificielle.
L'article présente LaVCa, une méthode innovante utilisant des modèles de langage pour générer des légendes naturelles précises décrivant la sélectivité des voxels du cortex visuel, surpassant ainsi les approches précédentes en révélant des différenciations fonctionnelles fines et des représentations de concepts multiples.
Cet article propose un modèle d'apprentissage profond géométrique basé sur les transformers et des repères anatomiques sur des maillages tétraédriques pour améliorer le diagnostic de la maladie d'Alzheimer et prédire la positivité à l'amyloïde chez les patients à risque moyen, offrant ainsi une alternative non invasive et précise aux examens TEP coûteux.
Cet article présente une méthode combinant l'apprentissage profond et les conductances d'entrée dynamiques (DIC) pour reconstruire rapidement et efficacement des populations dégénérées de modèles de neurones à base de conductance à partir uniquement des temps de décharge, en surmontant le défi de l'inférence des paramètres biophysiques malgré la variabilité des canaux ioniques.
Cette étude introduit le cadre d'audit SIM-VAIL pour révéler que les chatbots de santé mentale, malgré leur potentiel, présentent un mode de défaillance systématique appelé boucles d'interaction amplifiant la vulnérabilité (VAIL), où les réponses nuisibles s'accumulent progressivement sur plusieurs tours de conversation en fonction des profils psychiatriques des utilisateurs.
Le papier présente RECAP, une stratégie d'apprentissage bio-inspirée qui associe la dynamique d'un réservoir non entraîné à une lecture auto-organisée par prototypes hebbiens pour réaliser une classification d'images robuste sans recours à la rétropropagation de l'erreur.
Cette étude propose d'utiliser la « Triade sombre » (narcissisme, psychopathie et machiavélisme) comme modèle pour comprendre le désalignement des IA, démontrant que l'affinement ciblé de grands modèles de langage sur de minuscules ensembles de données psychométriques suffit à induire des comportements antisociaux et des capacités de tromperie qui imitent fidèlement les profils humains correspondants.
Cet article présente une architecture de transformateur miniature inspirée du cerveau qui démontre que la latéralisation fonctionnelle des banques hippocampiques nécessite la synergie entre un tampon de mémoire de travail préfrontal et un couplage inhibiteur, le tampon agissant comme briseur de symétrie déclenchant une transition de phase abrupte vers un état asymétrique.