57 articles
En modélisant la locomotion des mille-pattes, cette étude démontre que l'intelligence incarnée permet une coordination rapide et efficace grâce à une modulation active de la rigidité corporelle en fonction de la vitesse, révélant ainsi que des propriétés physiques complexes peuvent émerger sans dépendre uniquement du calcul neuronal.
Cet article met en évidence les risques émergents de déstabilisation des croyances et de dépendance chez les personnes souffrant de troubles mentaux résultant d'interactions avec des chatbots IA, appelant à une réponse coordonnée entre la pratique clinique, le développement de l'IA et les cadres réglementaires pour atténuer ces boucles de rétroaction dangereuses.
Cette étude démontre que le choix des encodages de caractéristiques dans les représentations en réseau de la musique crée un compromis fondamental entre la richesse structurelle et l'efficacité de la communication, où les représentations simples favorisent une incertitude globale élevée mais un faible erreur de modèle, tandis que les représentations complexes préservent des distinctions fines au prix d'une expansion de l'espace d'états et d'une erreur accrue, façonnant ainsi la plausibilité des attentes perceptives des auditeurs.
Ce papier présente MIG-Vis, une méthode exploitant l'inférence de sous-espaces neuronaux et la synthèse guidée par l'information mutuelle via des modèles de diffusion pour révéler et visualiser la sélectivité sémantique structurée des groupes neuronaux dans le cortex visuel supérieur.
Ce papier présente JEDI, un modèle hiérarchique qui infère les dynamiques neuronales à travers diverses tâches en apprenant un espace d'embedding partagé sur les poids des réseaux de neurones récurrents, permettant ainsi d'extraire des mécanismes robustes et généralisables à partir de données expérimentales complexes.
Les auteurs proposent une théorie statistique-mécanique reliant l'efficacité du décodage linéaire de variables continues aux propriétés géométriques des variétés neuronales, révélant ainsi une capacité de décodage croissante pour la position et la taille des objets le long du flux visuel chez le singe.
Cette étude démontre la reproductibilité du cadre de liaison électrophysiologie-transcriptomique chez la souris, valide l'efficacité des modèles séquentiels par rapport aux approches traditionnelles, et prouve que l'apprentissage par transfert de la souris vers l'homme améliore la prédiction des sous-types d'interneurones GABAergiques dans le cortex humain.
Cette étude démontre que les Machines de Boltzmann Restreintes permettent de modéliser avec précision l'activité coordonnée de milliers de neurones enregistrés simultanément chez la souris, révélant ainsi des structures d'interactions effectives ancrées dans l'anatomie cérébrale et des dynamiques de relaxation globales.
L'article présente behavior-dLDS, un modèle de systèmes dynamiques linéaires décomposés qui permet de dissocier les sous-systèmes neuronaux liés au comportement de ceux dédiés aux calculs internes, démontrant ainsi son efficacité sur des données simulées et des enregistrements à grande échelle chez le poisson-zèbre.
Ce papier présente CODEC, une méthode utilisant des autoencodeurs parcimonieux pour décomposer les contributions des neurones cachés et révéler les processus causaux, la parcimonie croissante et la décorrélation des effets dans les réseaux de neurones, offrant ainsi un cadre interprétable pour la manipulation et la compréhension des calculs non linéaires.
Cet article propose un cadre fonctionnel-analytique unifié fondé sur la théorie des distributions de Schwartz pour représenter les trains de potentiels d'action, permettant une analyse exacte et sans approximation de la dynamique neuronale, y compris dans des circuits réciproques avec latences et réfractarité.
Cette étude démontre que l'utilisation de représentations d' réseaux de neurones artificiels distinctes pour l'acoustique et l'attente, préentraînées sur des signaux bruts, améliore significativement l'identification de la musique à partir de l'activité cérébrale (EEG) en exploitant les principes d'encodage neural.
Cette étude démontre que le cortex temporal inférieur des macaques encode la position des objets dans un référentiel perceptif aligné sur l'illusion visuelle, contrairement aux réseaux de vision artificielle actuels qui, bien qu'efficaces pour la localisation, ne reproduisent pas ces biais d'adaptation dépendants de l'histoire visuelle.
Cet article de revue examine les recherches récentes sur le comportement de navigation humaine et sa dynamique cérébrale dans des contextes écologiques, en synthétisant les approches allant des environnements réels et virtuels au suivi quotidien et à l'enregistrement mobile du cerveau, tout en proposant des perspectives d'avenir pour ce domaine.
Cette revue examine les récents progrès des microscopes miniaturisés (miniscopes) à un et deux photons, qui permettent d'imager l'activité neuronale chez des animaux libres, tout en discutant de leurs opportunités uniques, des défis techniques actuels et des technologies émergentes.
Cette étude présente des modèles d'encodage gaze-aware entraînés sur le jeu de données StudyForrest, qui intègrent des données de suivi oculaire aux caractéristiques visuelles pour améliorer la prédiction de l'activité cérébrale lors de visionnage naturel sans fixation, tout en réduisant considérablement le nombre de paramètres par rapport aux modèles conventionnels.
Cet article présente CITS, un cadre non paramétrique théoriquement fondé et empiriquement validé pour inférer des structures causales à partir de séries temporelles neuronales haute résolution, surpassant les méthodes existantes en précision et révélant de nouvelles voies fonctionnelles dans le cerveau de la souris.
Le modèle fondamental CytoNet, entraîné sur un million de patches d'images histologiques provenant de dix cerveaux humains, permet une analyse évolutive de l'architecture cellulaire du cortex cérébral et établit un lien direct entre les caractéristiques microarchitecturales et l'organisation fonctionnelle du cerveau.
Cet article propose un cadre d'encodage efficace basé sur l'optimisation de la similarité représentative, démontrant que de nombreuses formulations normatives complexes deviennent convexes et traitables, ce qui permet d'établir de nouveaux résultats d'identifiabilité et d'expliquer des phénomènes neuronaux tels que la séparation des canaux ON/OFF dans la rétine.
Cet article de revue soutient que, malgré certaines controverses, les cellules de grille peuvent être comprises comme un code biologique plausible, à haute fidélité et non linéaire pour la position, qui sous-tend l'intégration du chemin, offrant ainsi des enseignements précieux pour les théories normatives des calculs neuronaux.