57 papers
Dit werk ontwikkelt een dynamische theorie voor sequentiële herinneringsopvraging in input-gedreven Hopfield-netwerken door een tweeschaalige architectuur te analyseren die snelle associatieve herinnering koppelt aan langzame redeneerdynamica, waardoor expliciete voorwaarden voor zelfonderhoudende geheugenovergangen worden afgeleid.
Dit artikel toont aan dat een parameterloos model, gebaseerd op de biofysica van synapsen en Shannon-informatietheorie, de waargenomen daling in energie-efficiëntie bij afwijkende synaptische geleidingswaarden nauwkeurig voorspelt, wat bevestigt dat neurale systemen geëvolueerd zijn om de hoeveelheid informatie per Joule te maximaliseren.
Dit onderzoek presenteert een nieuwe methode met deep learning, genaamd Equilibrium-Informed Neural Networks (EINNs), die evenwichtstoestanden als invoer gebruikt om kritieke drempels en abrupte regimeverschuivingen in complexe dynamische systemen efficiënter te detecteren dan traditionele simulaties.
Dit artikel presenteert een systematische aanpak voor het oplossen van de 'eenvoudige problemen' van bewustzijn door middel van een uitvoerbaar cognitief systeem dat is gebaseerd op Kantiaanse conceptuele kennis, waarbij het aantoont hoe vaardigheden zoals discriminatie, aandacht en waakzaamheid kunnen worden afgeleid uit het leer- en informatieverwerkingsmechanisme van het systeem.
Dit artikel introduceert INTENSE, een open-source framework dat wederzijdse informatie en circulaire verschuivingen gebruikt om neuronale selectiviteit voor gedragsvariabelen nauwkeurig te detecteren en te ontrafelen in calciumbeeldvormingsdata, terwijl het rekening houdt met tijdsvertragingen en gedragscovariantie.
Dit artikel stelt dat geheugenconsolidatie niet enkel dient voor stabilisatie, maar een computerele rol vervult door voorspellende vergetelheid toe te passen, waardoor neocorticale netwerken complexe informatie selectief comprimeren om de generalisatie te optimaliseren.
Het onderzoek toont aan dat de menselijke hippocampus posities van het zelf, anderen en de blikrichting codeert in geometrisch gerelateerde, maar orthogonale subruimtes die via lineaire transformaties kunnen worden uitgelijnd, waardoor betrouwbare individuele herkenning en generalisatie over verschillende agenten en gezichtspunten mogelijk wordt.
Dit onderzoek presenteert een rekenkundige pijplijn die EMG-signalen gebruikt om motorische intenties voor 25 verschillende doelen met hoge ruimtelijke en temporele resolutie te voorspellen, waarbij Random Forest een nauwkeurigheid van 80% bereikt en zo de basis legt voor anticiperende controle in adaptieve revalidatiesystemen.
Het artikel introduceert DecNefSimulator, een modulier en interpreteerbaar simulatiekader dat Decoded Neurofeedback formaliseert als een machine learning-probleem om de dynamiek van neurofeedback te modelleren, de oorzaken van leeruitval te analyseren en robuustere protocollen te ontwerpen voordat deze bij mensen worden toegepast.
Dit artikel presenteert een informatie-theoretisch raamwerk dat experimentele stimuli optimaliseert om het Kullback-Leibler-divergentie-gap te maximaliseren, waardoor probabilistische neurale coderingshypothese (waarschijnlijkheidsfunctie versus posteriorverdeling) op een principiële manier kunnen worden onderscheiden.
Dit paper introduceert SemKey, een nieuw raamwerk dat EEG-signalen naar tekst vertaalt door hallucinaties te voorkomen en semantische nauwkeurigheid te waarborgen via gedecoupeerde semantische doelen en een herontworpen interactie tussen neurale encoders en grote taalmodellen, terwijl het de beperkingen van de BLEU-metriek omzeilt door robuustere evaluatiemethoden te gebruiken.
Dit paper introduceert NEURONA, een neuro-symbolisch raamwerk dat structurele priors integreert om de nauwkeurigheid en generalisatie van fMRI-decodering van visuele concepten aanzienlijk te verbeteren.
Dit werk analyseert een kwantumbreinmodel gebaseerd op het Lipkin-Meshkov-Glick-raamwerk en toont aan dat biologisch gemotiveerde synaptische terugkoppeling de faseovergangen substantieel herschikt, waardoor de paramagnetische fase ten koste van de ferromagnetische fasen wordt uitgebreid en de kritieke grenzen verschuiven, wat wordt gekarakteriseerd via de Husimi-verdeling, Wehrl-entropie en een gemiddeld-veld dynamische analyse.
Deze studie introduceert NeuroFlowNet, een innovatief generatief model op basis van conditionele normaliserende stromen dat voor het eerst hoge-fideliteit intracraniële EEG-signalen uit de diepe temporale kwab reconstrueert op basis van niet-invasieve scalp EEG, waardoor de beperkingen van bestaande methoden worden overwonnen en een nieuwe standaard wordt neergezet voor de analyse van diepe hersendynamiek.
Dit paper introduceert een geheugenversterkte transformer waarbij remmende kruis-talk tussen gelateraliseerde geheugenbanken functionele specialisatie mogelijk maakt, wat leidt tot een aanzienlijke verbetering in het herinneren van associatieve patronen zonder afbreuk te doen aan het leren van regels.
Dit onderzoek toont aan dat de exponentiële misaligning tussen de hoge dimensie van het perceptuele manifold van neurale netwerken en dat van menselijke concepten de oorsprong is van adversarial voorbeelden en een fundamenteel obstakel vormt voor robuustheid.
Deze paper introduceert een tweefasig kwadratisch integrate-and-fire-neuronmodel dat de onfysische spanningsdivergentie van het standaardmodel elimineert door een eindig spanningsbereik te handhaven, terwijl het toch een exacte, laagdimensionale beschrijving van neuronensembles behoudt die analytisch hanteerbaar en biologisch plausibel is.