1. Резонансная модель спонтанной корковой активности (arXiv)

Автор:Яньцзян Ван, Цзичао Ма, Цзебин Луо, Сюэ Чен, Юэ Юань

Аннотация: мы предлагаем резонансную модель спонтанной корковой активности, которая способна точно предсказать функциональную связность (ФК) покоящегося мозга, учитывая, что сила структурной связи и знак (возбуждающий или тормозящий) каждой связи известны. Полученный FC хорошо согласуется с эмпирическим FC, измеренным с помощью функциональной магнитно-резонансной томографии (фМРТ), превосходя большинство существующих типичных моделей. Предлагаемая модель проверена и подтверждена на большой группе субъектов (> 1000) из выпуска Human Connectome Project (HCP) S1200 как во временной, так и в частотной области.

2. Ассоциативное обучение для встраивания в сеть (arXiv)

Автор:Ючен Лян, Дмитрий Кротов, Мохаммед Дж. Заки

Аннотация: задача внедрения сети состоит в том, чтобы представить узел в сети в виде малоразмерного вектора с включением топологической и структурной информации. Большинство существующих подходов решают эту проблему путем факторизации матрицы близости, либо прямо, либо неявно. В этой работе мы представляем метод встраивания сети с новой точки зрения, который использует современные сети Хопфилда (MHN) для ассоциативного обучения. Наша сеть изучает ассоциации между содержимым каждого узла и соседями этого узла. Эти ассоциации служат воспоминаниями в MHN. Рекуррентная динамика сети позволяет восстановить замаскированный узел, учитывая соседей этого узла. Предлагаемый нами метод оценивается на различных последующих задачах, таких как классификация узлов и прогнозирование связи. Результаты показывают конкурентоспособность по сравнению с обычными методами матричной факторизации и методами, основанными на глубоком обучении.

3Классификация электроэнцефалограмм при математических расчетах с использованием глубокого обучения. (arXiv)

Автор:Уманг Гоенка, Парам Патил, Куш Госалиа, Арьян Джагетия

Выдержка: Классификация сигналов электроэнцефалограммы (ЭЭГ) помогает понять интерфейс мозг-компьютер (ИМК). Сигналы ЭЭГ жизненно важны для изучения того, как функционирует человеческий разум. В этой статье мы использовали набор данных арифметических вычислений, состоящий из сигналов до расчета (BCS) и сигналов во время расчета (DCS). Набор данных состоял из 36 участников. Чтобы понять функционирование нейронов в головном мозге, мы классифицировали BCS против DCS. Для этой классификации мы извлекли различные функции, такие как взаимная информация (MI), значение фазовой блокировки (PLV) и энтропия, а именно энтропия перестановок, спектральная энтропия, энтропия разложения по сингулярным значениям, приблизительная энтропия, энтропия выборки. Классификация этих функций была выполнена с использованием классификаторов на основе RNN, таких как LSTM, BLSTM, ConvLSTM и CNN-LSTM. Модель достигла точности 99,72% при использовании энтропии в качестве признака и ConvLSTM в качестве классификатора.

4. Роль валентности и метасознания в зеркальном самопознании с использованием иерархического активного вывода (arXiv)

Автор:Джонатан Бауэрмейстер, Пабло Ланиллос

Аннотация: лежащие в основе процессы, обеспечивающие самовосприятие, имеют решающее значение для понимания мультисенсорной интеграции, восприятия тела и действий, а также развития личности. Предыдущие вычислительные модели упускали из виду важный аспект: аффективные или эмоциональные компоненты нельзя отделить от процесса самопознания. Следовательно, здесь мы предлагаем вычислительный подход к изучению самопознания, который включает в себя аффект с использованием современного иерархического активного вывода. Мы оценили нашу модель в синтетическом эксперименте, вдохновленном тестом на самораспознавание в зеркале, эталоном для оценки самоузнавания как у животных, так и у людей. Результаты показывают, что 1) отрицательная валентность возникает, когда агент узнает себя и узнает что-то неожиданное о своих внутренних состояниях. Кроме того, ii) агент при наличии сильных априорных ожиданий негативного аффективного состояния будет вообще избегать зеркала в ожидании нежелательного процесса обучения. Оба результата согласуются с современной литературой по человеческому самопознанию.