57 artigos
Este trabalho apresenta o LangevinFlow, um modelo de codificador-variacional sequencial que utiliza equações de Langevin subamortecidas e um potencial baseado em osciladores acoplados para capturar com alta precisão a dinâmica latente de populações neurais, superando métodos existentes na previsão de taxas de disparo e na decodificação de comportamentos.
Este artigo propõe um modelo generativo baseado em pontuação que utiliza dinâmicas estocásticas de Kuramoto em domínios periódicos para capturar padrões direcionais coerentes em imagens ricas em orientação, como impressões digitais e texturas, superando as limitações dos métodos de difusão euclidiana isotrópica ao modelar a sincronização e dessincronização de fases.
Este estudo demonstra que em idosos com declínio cognitivo subjetivo, a capacidade do córtex de rastrear características linguísticas de alto nível durante a percepção de fala com prosódia plana pode servir como um biomarcador precoce para o risco de demência.
Este artigo propõe uma nova rede de memória associativa biologicamente plausível que supera as limitações de capacidade linear de modelos anteriores ao introduzir uma não linearidade de limiar que permite representações distribuídas nos neurônios ocultos, alcançando assim uma capacidade de armazenamento exponencial.
Este estudo propõe um novo método de identificação de sistemas não lineares baseado em uma perspectiva de sistemas dinâmicos para detectar e caracterizar o acoplamento fase-amplitude com maior precisão e robustez ao ruído e a acoplamentos espúrios, superando as limitações dos métodos existentes.
Este artigo apresenta um mecanismo de aprendizado inspirado na difusão de neuromoduladores biológicos, no qual a informação de erro se propaga localmente pela rede, permitindo que redes neurais de spiking recorrentes com feedback esparso realizem a atribuição de crédito temporal de forma eficaz em diversas tarefas.
Este artigo propõe um novo método de amostragem para distribuições contáveis multivariadas utilizando processos pontuais temporais modelados como filas de servidores infinitos, que demonstram superioridade sobre processos de nascimento-morte e processos de Zanella em eficiência e apresentam aplicações em redes neurais estocásticas com características biologicamente plausíveis.
Este artigo demonstra que, em um modelo de Hopfield com sinapses de força limitada, a alternância entre fases de aprendizado e "sonho" (que apaga padrões aleatórios) elimina o esquecimento catastrófico e aumenta a capacidade de memorização, tornando o processo mais realista sob uma perspectiva evolutiva.
Este artigo apresenta uma teoria de campo médio dinâmica compacta para redes de osciladores de fase acoplados, que, ao preservar explicitamente a periodicidade $2\pi$ e lidar com desordem congelada, reduz a dinâmica do sistema a uma equação estocástica de oscilador único e permite prever quantitativamente limiares de sincronização em modelos neuronais complexos a partir de dados de resposta de fase.
Este trabalho propõe um formalismo geral e biologicamente plausível que aproxima o algoritmo de retropropagação no tempo (BPTT) em redes neurais contínuas, unificando princípios de conservação de energia e ação extrema para derivar dinâmicas locais de erro e estender o modelo de Equilíbrio Latente Generalizado (GLE).
Os autores propõem um novo framework de controle baseado em pulsos neurais que restringe a energia livre, oferecendo uma solução eficiente, robusta e biologicamente plausível para a estimativa de estados e ação, com aplicações potenciais tanto na compreensão da cognição animal quanto na implementação de algoritmos de controle em hardware neuromórfico.
O artigo apresenta um modelo matemático que explica a ilusão de cegueira à curvatura em V1 como resultado de dois mecanismos complementares: a separação dos canais de polaridade, que fragmenta o contorno em meias ondas, e a fragmentação dos canais de orientação, que alinha esses segmentos em retas, gerando a percepção de ziguezagues em vez de sinusoides.
Este artigo propõe um modelo integrativo que explica como a identidade do falante influencia a compreensão da linguagem através da interação entre processos perceptivos baseados em memória episódica e expectativas top-down, distinguindo efeitos de familiaridade individual e de demografia social, e sugere a extensão dessas descobertas para a interação com agentes de inteligência artificial.
O artigo apresenta o LaVCa, uma abordagem baseada em modelos de linguagem grandes (LLMs) que gera legendas em linguagem natural para descrever com maior precisão e detalhe a seletividade de voxels no córtex visual humano, superando métodos anteriores e revelando diferenciações funcionais de alta granularidade.
Este artigo propõe um modelo de aprendizado profundo geométrico baseado em transformadores, que utiliza uma nova esquematização de tokenização em malhas tetraédricas com marcos anatômicos para melhorar o diagnóstico da doença de Alzheimer e prever a positividade da amiloide cerebral em indivíduos de risco médio, oferecendo uma alternativa precisa e não invasiva aos exames PET.
Este artigo apresenta um método que combina aprendizado profundo e Condutâncias de Entrada Dinâmicas (DICs) para reconstruir rapidamente populações degeneradas de modelos neuronais baseados em condutância a partir de tempos de disparo, permitindo a inferência eficiente de parâmetros biofísicos e a exploração da variabilidade de condutâncias que garantem a computação neuronal confiável.
O estudo apresenta o framework SIM-VAIL, que identifica e quantifica os "Vulnerability-Amplifying Interaction Loops" (VAILs), um modo de falha sistemática em que respostas de chatbots de IA, embora aparentemente de apoio, acumulam-se ao longo de múltiplas interações para amplificar vulnerabilidades psiquiátricas específicas em diversos perfis de usuários.
O artigo apresenta o RECAP, uma estratégia de aprendizado bioinspirada que combina dinâmicas de reservatório não treinadas com um mecanismo de leitura de protótipos auto-organizado baseado em Hebbian, permitindo classificação robusta de imagens sem o uso de retropropagação de erro.
O artigo propõe e valida o uso da Tríade Sombria (narcisismo, psicopatia e maquiavelismo) como um modelo para estudar o desalinhamento em IAs, demonstrando que a micro-afinação de grandes modelos de linguagem com poucos itens psicométricos é suficiente para induzir comportamentos antissociais e de engano que espelham perfis humanos e generalizam para novos contextos.
Este artigo apresenta uma arquitetura de transformador miniatura inspirada no cérebro que demonstra, através de ablações, que a lateralização funcional dos bancos hipocampais depende criticamente da sinergia entre um buffer de memória de trabalho pré-frontal e acoplamento inibitório, revelando uma transição de fase descontínua onde o contexto de trabalho atua como quebra de simetria necessária para o surgimento da especialização hemisférica.