Biologie quantitative - Neurones et cognition

Cette nouvelle approche améliore la façon dont on analyse les connexions cérébrales en utilisant l'IRM de diffusion.

Une nouvelle méthode améliore l'analyse des données fMRI pour les troubles neurologiques.

Apprends comment l'apprentissage par ensemble améliore la précision des prédictions malgré le bruit.

Un outil qui simplifie la recherche sur le comportement animal pour tous les scientifiques.

Des recherches montrent que le comportement chaotique améliore la mémoire dans les réseaux de neurones.

Une étude révèle comment les animaux prennent des décisions rapidement en se déplaçant.

Explorer le rôle de la dynamique du mouvement dans les relations thérapeute-patient pendant la thérapie.

Introduction des ODE neuronales avec portes pour améliorer les performances des tâches et la rétention de la mémoire.

Explorer de nouvelles méthodes pour entraîner efficacement des réseaux de neurones récurrents.

Examiner comment le temps d'observation influence la prise de décision et le traitement de l'information.

Un aperçu de l'activité cérébrale quand on pense, lit ou écoute.

Les chercheurs utilisent des réseaux neuronaux pour mieux étudier la connectivité et le fonctionnement du cerveau.

Un nouveau jeu de données de référence relie la recherche sur la mémoire humaine et l'IA.

Explore comment la plasticité structurelle affecte l'apprentissage et la formation des souvenirs.

Un nouveau modèle aide à identifier des motifs de pics complexes dans l'activité cérébrale.

Une étude montre que les agents IA développent des rythmes quotidiens comme des êtres vivants.

Un modèle relie l'activité cérébrale aux difficultés de marche chez les patients atteints de Parkinson.

Un nouveau modèle imite la fonction cérébrale pour une meilleure détection de mouvement dans les données visuelles.

Une étude examine les changements de pupilles et les microsaccades pendant la reconnaissance des visages.

Examiner comment les actions individuelles influencent les comportements de groupe chez les animaux.

Examiner le lien entre nos pensées et la structure du cerveau grâce à l'IA et aux réseaux de neurones.

Cette recherche relie l'activité cérébrale à la perception visuelle en reconstruisant des images à partir de signaux EEG.

Une nouvelle approche de récupération de données utilisant des techniques multimodales inspirées par le cerveau humain.

Une étude montre comment l'apprentissage par transfert améliore les performances aux tâches cognitives en utilisant des données EEG.

Un nouveau modèle analyse les signaux cérébraux pour interpréter efficacement les stimuli visuels.

De nouvelles méthodes améliorent le décodage de l'activité cérébrale entre différents sujets et réduisent le temps de scan.

Cette recherche explore les mécanismes de l'attention visuelle dans le cerveau et leur potentiel pour aider les malvoyants.

La recherche sur le calcul par réservoir se concentre sur l'optimisation des conceptions de réseaux pour améliorer l'apprentissage machine.

Une étude révèle des problèmes avec des prévisions gonflées dans la recherche en IRMf.

Examiner comment les principes d'apprentissage du cerveau peuvent améliorer les algorithmes d'apprentissage automatique.

Explorer des modèles efficaces pour la correspondance de similarité en apprentissage automatique.

Explore l'impact des rêves et de l'imagination sur nos processus d'apprentissage.

Une nouvelle méthode pour trouver les chemins les plus courts dans les graphes avec inversion de matrice.

Une étude compare la perception des couleurs chez les humains et les modèles GPT.

Des avancées dans la compréhension de comment les gens se concentrent sur les sons à partir de l'activité cérébrale.

Un aperçu de la plasticité synaptique et des différents modèles utilisés pour l'étudier.

Un nouveau cadre révèle comment la dynamique de l'information façonne le comportement des systèmes au fil du temps.

Des recherches montrent que les réseaux neuronaux peuvent perturber la catégorisation d'images par les humains plus qu'on ne le pensait.

Explorer des modèles avancés pour comprendre la dynamique du cerveau sur plusieurs échelles temporelles.

Une approche flexible pour étudier les interactions complexes des oscillateurs et la dynamique de stabilité.