A Dynamical Theory of Sequential Retrieval in Input-Driven Hopfield Networks
本文针对输入驱动的可塑性 Hopfield 网络，建立了一套动力学理论，通过解析快慢时间尺度耦合机制，推导出了自持记忆转换的显式条件，从而为联想记忆模型中的序列推理提供了 principled 的数学解释。
🧬 Category
q-bio.NC
57 篇论文
Efficient Coding Predicts Synaptic Conductance
该研究基于突触生物物理特性构建无自由参数模型，利用香农信息论证明突触在自然电导下通过优化信噪比实现了每焦耳比特数的最大化，从而解释了电导偏离自然值时信息效率急剧下降的现象。
Machine Learning for Complex Systems Dynamics: Detecting Bifurcations in Dynamical Systems with Deep Neural Networks
本文提出了一种名为平衡信息神经网络（EINNs）的新型深度学习方法，该方法通过利用候选平衡态作为输入来逆向推断系统参数，从而有效检测复杂非线性动力学系统中的临界阈值和突变分岔点。
A systematic approach to answering the easy problems of consciousness based on an executable cognitive system
本文基于康德的概念知识理论构建了一个可执行的认知系统，通过其学习、情感与信息操纵等计算机制，系统地解释了包括知觉辨别、信息整合、注意力及睡眠差异在内的意识“简单问题”。
INTENSE: Detecting and disentangling neuronal selectivity in calcium imaging data
本文介绍了 INTENSE 这一开源框架，它利用互信息和循环置换检验，有效克服了钙成像数据中的时间自相关与动力学延迟问题，从而能够从高噪声数据中准确检测并解耦神经元对多种行为变量的真实选择性。
Why the Brain Consolidates: Predictive Forgetting for Optimal Generalisation
该论文提出“预测性遗忘”假说，认为大脑通过离线巩固过程选择性地保留能预测未来结果的信息，从而在压缩存储复杂度的同时优化泛化能力，解决了传统记忆巩固理论难以解释的表征漂移和语义化等问题。
Neural geometry in the human hippocampus enables generalization across spatial position and gaze
该研究发现人类海马体神经元通过构建几何相关且可线性对齐的流形结构，在确保自我、他者及视线位置编码相互区分的同时，实现了跨空间地图、代理身份和视角的灵活泛化与抽象。
The Spatial and Temporal Resolution of Motor Intention in Multi-Target Prediction
该研究提出了一种结合数据驱动时间分割与机器学习分类器的计算流程，通过分析多通道肌电信号，成功实现了在运动起始前对 25 个不同空间目标意图的高精度预测，为康复辅助系统的 anticipatory 控制提供了关键依据。
DecNefSimulator: A Modular, Interpretable Framework for Decoded Neurofeedback Simulation Using Generative Models
本文提出了 DecNefSimulator，这是一个基于生成模型的模块化可解释模拟框架，旨在通过虚拟实验直接观测内部认知状态，从而解决解码神经反馈研究中受试者差异大、成本高及评估间接等瓶颈问题，并为优化实验协议设计提供理论依据。
An Information-Theoretic Framework For Optimizing Experimental Design To Distinguish Probabilistic Neural Codes
本文提出了一种信息论框架，通过推导并最大化“信息差距”来优化实验刺激分布，从而有效区分早期感觉神经种群是编码似然函数还是后验分布这两种竞争性的概率神经编码假说。
Escaping the BLEU Trap: A Signal-Grounded Framework with Decoupled Semantic Guidance for EEG-to-Text Decoding
本文提出了名为 SemKey 的新框架，通过解耦的情感、主题、长度和惊奇度语义目标及基于信号引导的注意力机制，有效解决了脑电（EEG）到文本解码中的语义偏差、信号忽视及 BLEU 评估陷阱问题，显著提升了生成内容的真实性和多样性。
Neuro-Symbolic Decoding of Neural Activity
本文提出了名为 NEURONA 的神经符号框架，通过将结构先验（如概念间的组合谓词 - 论元依赖）融入 fMRI 解码过程，显著提升了从视觉刺激中解码交互概念在精确查询下的准确率及未见查询的泛化能力。
Characterization of Phase Transitions in a Lipkin-Meshkov-Glick Quantum Brain Model
本文通过引入生物启发的突触反馈机制，研究了 Lipkin-Meshkov-Glick 量子脑模型中的相变行为，发现该机制显著重塑了相图结构并扩大了顺磁相区域，同时利用相空间分布、Wehrl 熵及平均场动力学分析，证实了突触可塑性机制能够有效调控集体临界性。
Non-Invasive Reconstruction of Intracranial EEG Across the Deep Temporal Lobe from Scalp EEG based on Conditional Normalizing Flow
本文提出了基于条件归一化流的 NeuroFlowNet 框架，首次实现了利用头皮 EEG 信号非侵入式地高保真重建整个深部颞叶的颅内 EEG 信号，有效解决了现有方法难以捕捉脑信号复杂随机性及波形细节的难题。
Inhibitory Cross-Talk Enables Functional Lateralization in Attention-Coupled Latent Memory
该论文提出了一种注意力增强的记忆模型，通过引入受大脑胼胝体抑制机制启发的负向交叉耦合，成功实现了左右记忆库的功能侧化，从而在显著提升符号联想记忆性能的同时，有效避免了兴奋性耦合导致的记忆库主导崩溃问题。
Solving adversarial examples requires solving exponential misalignment
该论文通过定义并分析网络感知流形（PM），揭示了机器与人类概念在维度上存在指数级错位，指出这种高维错位是产生对抗样本的根本原因，并论证了只有实现机器与人类感知流形的维度对齐，才能从根本上解决对抗鲁棒性问题。
Two-phase quadratic integrate-and-fire neurons: Exact low-dimensional description for ensembles of finite-voltage neurons
该论文提出了一种具有有限电压边界的双相二次积分发放神经元模型，在消除标准模型电压发散缺陷并产生真实尖峰波形的同时，保留了热力学极限下由单个复数里卡蒂方程描述的精确低维特性，从而为现有平均场框架提供了一种既具生物合理性又可解析求解的替代方案。