99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

預(yù)測(cè)性大腦研究成果

mK5P_AItists ? 來源:未知 ? 作者:胡薇 ? 2018-05-25 15:49 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

5月15日下午,來自荷蘭Donders Institute的Floris de Lange教授,應(yīng)北京大學(xué)IDG麥戈文腦研究所PI、北京大學(xué)心理與認(rèn)知科學(xué)學(xué)院羅歡研究員的邀請(qǐng),在北京大學(xué)王克楨樓1113會(huì)議室為大家?guī)砹艘粓?chǎng)題為“How is perception biased”的學(xué)術(shù)報(bào)告。

Floris de Lange教授主要研究大腦如何利用先驗(yàn)的知識(shí)經(jīng)驗(yàn)對(duì)輸入進(jìn)行主動(dòng)預(yù)測(cè),從而幫助我們知覺外部世界,做出決策。他主要從三方面對(duì)預(yù)測(cè)性大腦研究成果進(jìn)行介紹:

第一,大腦是否會(huì)自發(fā)地對(duì)外部世界進(jìn)行預(yù)測(cè),進(jìn)而產(chǎn)生虛擬的(物理刺激并不存在)相應(yīng)的神經(jīng)活動(dòng)模式?

第二,如果大腦能自發(fā)地產(chǎn)生這些虛擬的信號(hào),大腦如何區(qū)分這些虛擬的信號(hào)與實(shí)際輸入的感知覺信號(hào)?

第三,預(yù)測(cè)的信號(hào)與現(xiàn)實(shí)世界中的物理信號(hào)如何相互作用,預(yù)測(cè)如何幫助人們知覺外部世界?

已有研究發(fā)現(xiàn)在讓老鼠學(xué)習(xí)了空間位置序列后,僅僅呈現(xiàn)起始位置,老鼠的初級(jí)視覺皮層就會(huì)對(duì)之后的空間位置進(jìn)行順序激活,類似一種預(yù)測(cè)性重演(preplay)(Xu, et al., Nature Neuroscience, 2012)。

由此研究者采用功能磁共振技術(shù)探究人的視覺皮層是否也能夠發(fā)現(xiàn)這種preplay的反應(yīng)模式。研究者首先依據(jù)初級(jí)視覺皮層存在著一個(gè)拓?fù)涞貓D這一性質(zhì)找到了對(duì)某個(gè)特定空間位置反應(yīng)的voxel,并采用高時(shí)間分辨率的磁共振技術(shù)記錄了腦活動(dòng)。

在實(shí)驗(yàn)中,首先讓被試熟悉一個(gè)空間位置序列,然后短暫呈現(xiàn)這個(gè)空間位置序列的起始位置或者結(jié)束位置,觀察這兩種情況下大腦的反應(yīng)模式。結(jié)果如下圖所示,當(dāng)只呈現(xiàn)起始位置時(shí),大腦對(duì)于接下來的幾個(gè)空間位置的響應(yīng)也會(huì)依次自動(dòng)地激活(中間圖)。但是當(dāng)只呈現(xiàn)結(jié)束位置時(shí),只能看到對(duì)結(jié)束位置有著明顯的激活(右邊圖)。

并且該預(yù)測(cè)性重演腦活動(dòng)并不依賴于注意的參與,無論被試注意這些位置或不注意這些位置時(shí)都依然存在。這一結(jié)果表明大腦不斷地主動(dòng)預(yù)測(cè)外界刺激,產(chǎn)生虛擬的神經(jīng)活動(dòng)。

在此基礎(chǔ)上,研究者繼續(xù)探討了這種preplay是否受概率信息所調(diào)控。在新的研究中,被試被要求熟悉上下走向的兩個(gè)空間位置序列,這兩個(gè)位置序列的起始位置是相同的。

同時(shí)這兩種位置序列分別和兩個(gè)聲音提示(聲音提示先于起始位置出現(xiàn))建立了不同概率的聯(lián)系。在熟悉這兩個(gè)空間位置序列以及聲音提示和他們的關(guān)系之后,研究者只呈現(xiàn)了起始位置以及其中一個(gè)聲音提示。

結(jié)果發(fā)現(xiàn)被試有效地利用了聲音提示的有效性,即當(dāng)起始位置和高音提示(提示有80%的概率是上位置序列的聲音)出現(xiàn)的時(shí)候,被試會(huì)對(duì)上位置序列有著更明顯的preplay,而對(duì)下位置序列的replay就會(huì)弱很多,反之亦然。

接下來研究者試圖回答第二個(gè)問題,為什么大腦不會(huì)將這些虛擬的信號(hào)與真實(shí)的刺激信號(hào)混淆,這兩種信號(hào)是如何被區(qū)分出來的?正如下圖模型所示(Lawrence et al., NeuroImage, 2017),感覺信息自下而上地傳遞給上一級(jí)的中間層和底層,而自上而下的信息則主要反饋到下一級(jí)的表層和底層神經(jīng)元。

因此一個(gè)可能的假設(shè)是皮層的中間層能夠區(qū)別該神經(jīng)響應(yīng)反映的是虛擬信號(hào)還是物理輸入信號(hào)。相較于用分類器來分離出大腦對(duì)不同刺激的反應(yīng)模式,研究者用了一種更簡(jiǎn)單的方法,他們通過找到對(duì)某一特定刺激有偏好(prefer)的voxel來建立感興趣區(qū) (Albers, et al., NeuroImage, 2017)。

結(jié)果發(fā)現(xiàn)在工作記憶的保持階段(沒有刺激輸入,被試需要回憶被提示的刺激),在V1, V2, V3對(duì)該刺激有偏好的voxel的活動(dòng)顯著高于和沒有偏好的voxel的活動(dòng)(偏好效應(yīng))。更重要的是在V1發(fā)現(xiàn)了層級(jí)的差異,即表層和底層神經(jīng)元的偏好效應(yīng)都顯著高于中間層。這一結(jié)果表明不同的層的響應(yīng)能夠區(qū)別“現(xiàn)實(shí)”和“想象”。

最后,研究者探究這些預(yù)測(cè)是如何幫助我們知覺外部世界的。結(jié)果發(fā)現(xiàn),相較于無法預(yù)測(cè)接下來出現(xiàn)的刺激的條件,當(dāng)接下來出現(xiàn)的刺激可以被預(yù)測(cè)時(shí),包括V1,LOC(對(duì)客體具有選擇性)在內(nèi)的很多腦區(qū)的活動(dòng)都被抑制了。進(jìn)一步對(duì)每個(gè)voxel在各個(gè)刺激上的偏好性進(jìn)行排序。結(jié)果發(fā)現(xiàn)LOC區(qū)對(duì)的越偏好的刺激產(chǎn)生越強(qiáng)的抑制。V1區(qū)的抑制則表現(xiàn)出不受偏好性強(qiáng)度的影響。

研究者進(jìn)一步做了一個(gè)腦磁圖實(shí)驗(yàn)來探索預(yù)測(cè)性神經(jīng)活動(dòng)的時(shí)間特性,結(jié)果發(fā)現(xiàn)可以被預(yù)測(cè)的圖片相較于不能被預(yù)測(cè)的圖片誘發(fā)了更小的響應(yīng)。更有意思的是,可以被預(yù)測(cè)的圖片誘發(fā)的響應(yīng)顯示出時(shí)間上更為銳化的效果(sharpening)。該研究提示對(duì)于具有高預(yù)測(cè)性的輸入,大腦在時(shí)間上加工也更快。

總結(jié)來說,大腦能夠自發(fā)預(yù)測(cè)接下來出現(xiàn)的刺激,虛擬出這些刺激出現(xiàn)的活動(dòng)信號(hào)。這些虛擬的信號(hào)不會(huì)和真實(shí)輸入的感知覺信號(hào)相混淆,因?yàn)楦兄X信號(hào)是自下而上的信息輸入,而虛擬的信號(hào)是自上而下進(jìn)行反饋,由不同神經(jīng)網(wǎng)絡(luò)所傳遞。這種主動(dòng)預(yù)測(cè)能力能夠降低被預(yù)測(cè)刺激的神經(jīng)活動(dòng)的能量與持續(xù)時(shí)間,進(jìn)而有效提高對(duì)外界刺激的加工和感知。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4814

    瀏覽量

    103697
  • 磁共振
    +關(guān)注

    關(guān)注

    4

    文章

    79

    瀏覽量

    26681

原文標(biāo)題:大腦如何進(jìn)行預(yù)測(cè)?

文章出處:【微信號(hào):AItists,微信公眾號(hào):人工智能學(xué)家】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    Nullmax端到端自動(dòng)駕駛最新研究成果入選ICCV 2025

    近日,國(guó)際計(jì)算機(jī)視覺大會(huì) ICCV 2025 正式公布論文錄用結(jié)果,Nullmax 感知團(tuán)隊(duì)在端到端自動(dòng)駕駛方向的最新研究成果《HiP-AD: Hierarchical
    的頭像 發(fā)表于 07-05 15:40 ?437次閱讀
    Nullmax端到端自動(dòng)駕駛最新<b class='flag-5'>研究成果</b>入選ICCV 2025

    后摩智能與高校合作研究成果榮獲ISCA 2025最佳論文獎(jiǎng)

    近日,北京后摩智能科技有限公司與北京大學(xué)集成電路學(xué)院孫廣宇長(zhǎng)聘副教授團(tuán)隊(duì)、上海交通大學(xué)張宸助理教授團(tuán)隊(duì)、香港科技大學(xué)謝源講席教授團(tuán)隊(duì)、東南大學(xué)司鑫副教授團(tuán)隊(duì)及阿里巴巴達(dá)摩院合作的研究成果
    的頭像 發(fā)表于 07-05 11:21 ?680次閱讀

    NVIDIA在ICRA 2025展示多項(xiàng)最新研究成果

    在亞特蘭大舉行的國(guó)際機(jī)器人與自動(dòng)化大會(huì) (ICRA) 上,NVIDIA 展示了其在生成式 AI、仿真和自主操控領(lǐng)域的多項(xiàng)研究成果。
    的頭像 發(fā)表于 06-06 14:56 ?611次閱讀

    電機(jī)控制器電子器件可靠研究

    的提高,在某些特定的武器裝備上,由于武器本身需要長(zhǎng)期處于儲(chǔ)存?zhèn)鋺?zhàn)狀態(tài),為了使武器能夠在隨時(shí)接到戰(zhàn)斗命令的時(shí)候各個(gè)系統(tǒng)處于高可靠的正常運(yùn)行狀態(tài),需要對(duì)武器系統(tǒng)的儲(chǔ)存可靠進(jìn)行研究,本文著重通過試驗(yàn)
    發(fā)表于 04-17 22:31

    佛山智能裝備院與華數(shù)機(jī)器人在具身智能工業(yè)機(jī)器人領(lǐng)域的研究成果

    近日,佛山智能裝備技術(shù)研究院(簡(jiǎn)稱“佛山智能裝備院”)與佛山華數(shù)機(jī)器人有限公司(簡(jiǎn)稱“華數(shù)機(jī)器人”)在具身智能工業(yè)機(jī)器人領(lǐng)域的研究成果“Advancing general robotic
    的頭像 發(fā)表于 04-09 15:40 ?521次閱讀
    佛山智能裝備院與華數(shù)機(jī)器人在具身智能工業(yè)機(jī)器人領(lǐng)域的<b class='flag-5'>研究成果</b>

    GaN重大突破!湖北這個(gè)實(shí)驗(yàn)室公布三大研究成果

    電子發(fā)燒友網(wǎng)綜合報(bào)道 3月22日,九峰山實(shí)驗(yàn)室首次公布了GaN相關(guān)的研究成果,包括國(guó)際首創(chuàng)8英寸硅基氮極性氮化鎵襯底(N-polar GaNOI);全國(guó)首個(gè)100nm高性能氮化鎵流片PDK平臺(tái);動(dòng)態(tài)
    發(fā)表于 03-25 00:21 ?922次閱讀

    香港科技大學(xué)陳敬教授課題組公布氮化鎵與碳化硅領(lǐng)域多項(xiàng)最新研究成果

    2024 )上報(bào)告了 多項(xiàng)基于寬禁帶半導(dǎo)體氮化鎵,碳化硅的最新研究進(jìn)展 。研究成果覆蓋功率器件技術(shù)和新型器件技術(shù): 高速且具備優(yōu)越開關(guān)速度控制能力的3D堆疊式GaN/SiC cascode 功率器件
    的頭像 發(fā)表于 02-19 11:14 ?592次閱讀
    香港科技大學(xué)陳敬教授課題組公布氮化鎵與碳化硅領(lǐng)域多項(xiàng)最新<b class='flag-5'>研究成果</b>

    Meta AI推出Brain2Qwerty:非侵入大腦信號(hào)轉(zhuǎn)文本系統(tǒng)

    。 Brain2Qwerty系統(tǒng)主要依賴于非侵入的技術(shù)手段來捕捉和解析大腦活動(dòng)。具體而言,它結(jié)合了腦電圖(EEG)和腦磁圖(MEG)這兩種先進(jìn)的神經(jīng)科學(xué)工具,以精確記錄志愿者在思考過程中的大腦信號(hào)。 在
    的頭像 發(fā)表于 02-11 13:37 ?602次閱讀

    馬里蘭大學(xué)王春生教授團(tuán)隊(duì)最新研究成果:探索水系鋅電池的電解質(zhì)設(shè)計(jì)

    ?? 研究背景 水系鋅電池(AZBs)因其高安全、低成本、環(huán)境友好性受到廣泛關(guān)注,但其商業(yè)化進(jìn)程受到鋅電極低可逆和弱循環(huán)壽命的限制,主要原因在于析氫反應(yīng)(HER)和不均勻的Zn沉積。HER由Zn
    的頭像 發(fā)表于 02-10 10:19 ?696次閱讀
    馬里蘭大學(xué)王春生教授團(tuán)隊(duì)最新<b class='flag-5'>研究成果</b>:探索水系鋅電池的電解質(zhì)設(shè)計(jì)

    NVIDIA研究成果年度盤點(diǎn)

    技術(shù)創(chuàng)新的步伐在過去一年大大加速,其中最引人注目的是 AI。2024 年,NVIDIA Research 實(shí)現(xiàn)了諸多無與倫比的重大突破。
    的頭像 發(fā)表于 01-20 18:06 ?792次閱讀

    全固態(tài)電池的最新研究成果與技術(shù)進(jìn)展

    鋰離子電池(LIB)自1991年商用以來,已經(jīng)成為推動(dòng)消費(fèi)電子、電動(dòng)汽車(EV)和可再生能源存儲(chǔ)系統(tǒng)(ESS)的核心技術(shù)。然而,隨著全球?qū)Ω吣芰棵芏?、長(zhǎng)續(xù)航和環(huán)保型儲(chǔ)能技術(shù)的需求不斷增長(zhǎng),LIB逐漸暴露出其安全和性能極限方面的問題。
    的頭像 發(fā)表于 10-29 16:16 ?2050次閱讀
    全固態(tài)電池的最新<b class='flag-5'>研究成果</b>與技術(shù)進(jìn)展

    SynSense時(shí)識(shí)科技與海南大學(xué)聯(lián)合研究成果發(fā)布

    近日,SynSense時(shí)識(shí)科技與海南大學(xué)聯(lián)合在影響因子高達(dá)7.7的國(guó)際知名期刊《Computers in Biology and Medicine》上發(fā)表了最新研究成果,展示了如何用低維信號(hào)通用類腦
    的頭像 發(fā)表于 10-23 14:40 ?876次閱讀
    SynSense時(shí)識(shí)科技與海南大學(xué)聯(lián)合<b class='flag-5'>研究成果</b>發(fā)布

    中移芯昇發(fā)布智能可信城市蜂窩物聯(lián)網(wǎng)基礎(chǔ)設(shè)施研究成果

    8月23日,雄安新區(qū)RISC-V產(chǎn)業(yè)發(fā)展交流促進(jìn)會(huì)順利召開,芯昇科技有限公司(以下簡(jiǎn)稱“中移芯昇”)總經(jīng)理肖青發(fā)布智能可信城市蜂窩物聯(lián)網(wǎng)基礎(chǔ)設(shè)施研究成果,為雄安新區(qū)建設(shè)新型智慧城市賦能增效。該成果
    的頭像 發(fā)表于 08-31 08:03 ?987次閱讀
    中移芯昇發(fā)布智能可信城市蜂窩物聯(lián)網(wǎng)基礎(chǔ)設(shè)施<b class='flag-5'>研究成果</b>

    DNA計(jì)算機(jī)研究取得突破進(jìn)展:PB級(jí)數(shù)據(jù)存儲(chǔ)與高效處理

    8月29日,科學(xué)界傳來振奮人心的消息,一項(xiàng)革命研究成果為實(shí)現(xiàn)全功能DNA計(jì)算機(jī)奠定了堅(jiān)實(shí)基礎(chǔ)。研究團(tuán)隊(duì)成功開發(fā)出一種創(chuàng)新技術(shù),該技術(shù)不僅能在DNA中存儲(chǔ)驚人的PB級(jí)數(shù)據(jù),還能確保這些數(shù)據(jù)在數(shù)千乃至數(shù)百萬年內(nèi)保持完好,同時(shí)實(shí)現(xiàn)
    的頭像 發(fā)表于 08-29 16:29 ?937次閱讀

    谷歌發(fā)布革命AI天氣預(yù)測(cè)模型NeuralGCM

    在科技與自然科學(xué)的交匯點(diǎn)上,谷歌公司于7月23日宣布了一項(xiàng)重大突破——全新的人工智能天氣預(yù)測(cè)模型NeuralGCM。這一創(chuàng)新成果不僅融合了機(jī)器學(xué)習(xí)的前沿技術(shù),還巧妙結(jié)合了傳統(tǒng)氣象學(xué)的精髓,其研究成果已在國(guó)際權(quán)威科學(xué)期刊《Natu
    的頭像 發(fā)表于 07-23 14:24 ?821次閱讀