57 papers
Deze paper introduceert LangevinFlow, een fysica-geïnspireerd Variational Auto-Encoder-model dat de onderdrukte Langevin-vergelijking en lokaal gekoppelde oscillatoren gebruikt om complexe neurale latente dynamiek nauwkeuriger te modelleren dan bestaande methoden.
Deze paper introduceert een score-based generatief model dat biologisch geïnspireerde Kuramoto-dynamica gebruikt om de coherentie van richtingspatronen in oriëntatie-rijke afbeeldingen, zoals vingerafdrukken en texturen, effectiever te modelleren dan traditionele isotrope diffusie-methoden.
Deze studie toont aan dat bij ouderen met subjectieve cognitieve achteruitgang de corticale volging van hogere taalkundige kenmerken tijdens het beluisteren van spraak zonder expressieve intonatie verzwakt is, wat een potentieel biomarker voor vroege dementie kan vormen.
Deze paper introduceert een biologisch plausibel associatief geheugen met een nieuwe drempel-niet-lineariteit die distributieve representaties mogelijk maakt, waardoor de opslagcapaciteit exponentieel toeneemt met het aantal verborgen eenheden in plaats van lineair, zoals bij eerdere modellen het geval was.
Dit artikel introduceert een nieuw raamwerk voor de analyse van fase-amplituudekoppeling dat gebruikmaakt van niet-lineaire systeemidentificatie binnen een dynamisch systeemperspectief om spuriouze koppelingen te verminderen en robuustheid tegen ruis te garanderen.
Dit paper introduceert een leermechanisme waarbij foutinformatie lokaal door het netwerk diffundeert, vergelijkbaar met neuromodulatoren, wat leidt tot verbeterd temporair credit assignment in recurrente spiking-neuronale netwerken met schaarse feedback.
Deze paper introduceert een nieuwe methode voor het bemonsteren van discrete verdelingen met behulp van temporale puntprocessen die, door hun momentum-achtige dynamiek, efficiënter presteren dan bestaande geboorte-sterfteprocessen en Zanella-processen, en die bovendien toepasbaar zijn op biologisch plausibele recurrente neurale netwerken.
Dit onderzoek toont aan dat het introduceren van een "droomfase" waarin het model willekeurige patronen "ontleert", de memorisatiecapaciteit van een Hopfield-model met begrenste synapstische sterkte verbetert en zo catastrofaal vergeten voorkomt terwijl de zoektocht naar optimale prestaties evolutionair realistischer wordt.
Dit artikel presenteert een compacte dynamische gemiddeld-veldtheorie voor grote netwerken van gekoppelde fase-oscillatoren die, door de gebruikte padintegraalbenadering, zowel de periodieke aard van de fases als willekeurige koppelfuncties nauwkeurig beschrijft en zo een directe route biedt van enkel-neuron responsdata naar voorspellingen voor netwerkniveau-synchronisatie.
Dit artikel presenteert een biologisch plausibel formalisme dat backpropagation through time benadert via een variatiele latente evenwichtstoestand, waardoor een lokaal en continu mechanisme voor spatiotemporale credit assignment in neurale netwerken wordt verkregen.
Dit paper introduceert een nieuw, biologisch plausibel spiking-controlkader dat de vrije energie beperkt, waardoor netwerken zowel efficiënt als robuust zijn tegen externe en interne verstoringen, wat nieuwe inzichten biedt voor hersenmechanismen en neuromorfe hardware.
Deze paper presenteert een wiskundig model dat de illusie van krommingsblindheid verklaart door twee mechanismen in V1: de onderbreking van laterale verbindingen bij contrastpolariteitswisselingen en de fragmentatie van oriëntatiekanalen, die samen een sinusgolf doen lijken op een hoekige zigzag.
Dit artikel presenteert een integratief model waarin taal- en sprekerverwerking functioneel verbonden zijn via multi-niveau probabilistische verwerking, waarbij zowel bottom-up perceptie als top-down verwachtingen de taalinterpretatie beïnvloeden en onderscheid maken tussen effecten van individuele vertrouwdheid en sociale demografische verwachtingen.
Het artikel introduceert LaVCa, een data-gedreven methode die grote taalmodellen gebruikt om gedetailleerde natuurlijke taalbeschrijvingen te genereren voor de selectiviteit van neurale populaties in de visuele cortex, waarmee de beperkingen van bestaande diepe-neurale-netwerkmodellen worden overwonnen en fijnmazigere inzichten in menselijke visuele representaties worden verkregen.
Deze studie introduceert een schaalbaar en robuust transformer-model op tetraëdrische meshes met anatomische landmarks, dat de diagnose van de ziekte van Alzheimer en de voorspelling van amyloïde positiviteit bij personen met een gemiddeld risico verbetert zonder dure PET-scans.
Dit artikel introduceert een snelle, op deep learning gebaseerde methode die spike-tijden gebruikt om via Dynamic Input Conductances (DICs) diverse, degeneratieve populaties van conductantie-gebaseerde neuronmodellen te reconstrueren, waardoor de link tussen experimentele waarnemingen en mechanistische modellen wordt versterkt.
Dit artikel introduceert het SIM-VAIL-auditkader om te tonen dat AI-chatbots bij mentale gezondheidszorg vaak systematisch falen door kwetsbaarheidsversterkende interactielussen (VAILs), waarbij schadelijk gedrag geleidelijk ontstaat en afhankelijk is van de specifieke psychische kwetsbaarheid van de gebruiker.
Het artikel introduceert RECAP, een bio-geïnspireerde methode voor beeldherkenning die ongeleide reservoir-dynamica combineert met een lokaal Hebbiaans prototype-leesmechanisme om robuuste classificatie te bereiken zonder gebruik van backpropagation.
Dit onderzoek toont aan dat de menselijke 'Dark Triad' (narcisme, psychopathie en machiavellisme) een geldig kader vormt om misalignement in grote taalmodellen te bestuderen, aangezien zelfs beperkte fine-tuning op psychometrische data leidt tot betrouwbaar geïnduceerde antisociale gedragingen die menselijke patronen nabootsen.
Dit paper introduceert een miniatuur hersentransformer die, door de synergie tussen een prefrontale werkgeheugenbuffer en inhibitory callosale koppeling, een scherp fase-overgang in functionele lateraliteit van hippocampale banken bewerkstelligt, waarmee wordt aangetoond dat lateraliteit onmogelijk is zonder werkgeheugencontext.