- 综合排序
- 最热优先
- 最新优先
- 来自专栏程序员IT圈
使用 JavaScript 实现机器学习和神经学网络
思考下面三个数组： Array 1: [ 1, 2, 3] Array 2: [ 1, 3, 2] Array 3: [ 3, 2, 1] 我们可以计算出上面任意两个数组之间的欧氏距离，这对于确定数组之间的相似度是非常有用的 使用这个公式，我们现在可以计算上文中的欧氏距离 d(a1,a2) = sqrt( (a2[0]-a1[0])^2 + (a2[1]-a1[1])^2 + (a2[1]-a1[1])^2 ) d(a1 ,a2) = sqrt( (1-1)^2 + (3-2)^2 + (2-3)^2 ) d(a1,a2) = sqrt( 0+1+1 ) d(a1,a2) = sqrt(2) = 1.4 d(a1,a3) = sqrt( (a3[0]-a1[0])^2 + (a3[1]-a1[1])^2 + (a3[1]-a1[1])^2 ) d(a1,a3) = sqrt( (3-1)^2 + (2-2)^2 + ; index1 = index2; index2 = temp; } for (; index2 > index1; index2--) { var temp = path[index1 +
1.2K100发布于 2018-03-05 - 来自专栏人工智能
通过JS库Encog实现JavaScript机器学习和神经学网络
思考下面三个数组： Array 1: [ 1, 2, 3] Array 2: [ 1, 3, 2] Array 3: [ 3, 2, 1] 我们可以计算出上面任意两个数组之间的欧氏距离，这对于确定数组之间的相似度是非常有用的 图 1: 欧氏距离 使用这个公式，我们现在可以计算上文中的欧氏距离 d(a1,a2) = sqrt( (a2[0]-a1[0])^2 + (a2[1]-a1[1])^2 + (a2[1]-a1[1] )^2 ) d(a1,a2) = sqrt( (1-1)^2 + (3-2)^2 + (2-3)^2 ) d(a1,a2) = sqrt( 0+1+1 ) d(a1,a2) = sqrt(2) = 1.4 d(a1,a3) = sqrt( (a3[0]-a1[0])^2 + (a3[1]-a1[1])^2 + (a3[1]-a1[1])^2 ) d(a1,a3) = sqrt( (3-1)^2 + (2-2)^2 + (1-3)^2 ) d(a1,a3) = sqrt( 4+0+4 ) d(a1,a3) = sqrt(8) = 2.3 从结果中我们可以看出数组2比数组1更为接近数组3。
3.1K100发布于 2018-02-05 - 来自专栏MixLab科技+设计实验室
Neuro-X，神经学x建筑学、营销学、电影……
#2 假设你在被雇用和被解雇的不同场景下，你的大脑对同一个房间的反应会非常不同。 实验结果表明： #1 认为百事可乐更好喝的人占大多数 #2 虽然多数人感觉百事可乐的口味更好，但他们在实际购买时还是选择可口可乐。 #2 事先告知所喝的品牌，75%的人说他们比较喜欢可口可乐。他们脑部活动的区域改变了。 神经学电影 neurocinematics 把神经学运用到剧情电影中，这种神经营销学和电影的结合体被称为神经学电影。 shadow opus 欢迎神经学科爱好者 加入社群，关注后回复：群聊 ⤵️
76340发布于 2021-10-12 - 来自专栏脑机接口
浅谈脑机接口：传统神经学科的颠覆者
人类从未停止对大脑的研究，然而有关于大脑的探秘如今所发现的也仅仅只是冰山一角，作为神秘的研究领域，脑科学直到下个世纪仍是前沿科学。
77620编辑于 2022-09-22 - 来自专栏大数据文摘
神经学家使用大数据工具分析大脑细胞活动
为此，神经学家利用分布式计算工具Thunder（闪电），进行了大量研究。 ? 神经学家在第一次考虑数据的时候，很少能迸发新的思路。相反，最初的研究可能暗含更有希望的方法，只需要进行少量调整、使用新的计算分析，原来的数据就可以更有用途。 这也就是为什么使用龟速的计算工具分析神经学数据会让人大为受挫。Freeman提到：“对一些分析来说，你可以上传数据，开始跑数据，第二天再回来看。
87170发布于 2018-05-22 一键生成眨眼照片，人脸识别图片眨眼生成器，基于python神经学开发
code=TRYVIF 访问密码（可选）：6666import cv2import numpy as npimport dlibfrom PIL import Imageimport tensorflow , 38, 39, 40, 41, 42, 43, 44, 45, 46, 47] def detect_faces(self, image): gray = cv2. cvtColor(image, cv2.COLOR_BGR2GRAY) faces = self.detector(gray) return faces def cvtColor(frame, cv2.COLOR_BGR2RGB)) for frame in frames] pil_frames[0].save(output_path, height // 2) M = cv2.getRotationMatrix2D(center, 0, scale) # Apply transformation
94010编辑于 2025-07-02- 来自专栏AI科技评论
纽约大学神经学教授Eero Simoncelli万字解析：机器生成的图像为何能骗过你的眼睛？
AI科技评论按：在刚刚闭幕的ICLR2017上，纽约大学神经学、数学、心理学教授Eero Simoncelli作为特邀嘉宾分享了他在机器表征、人类感知方面的研究成果。 我不仅好奇神经细胞是如何做到的、是如何把神经学表征与视觉环境对应起来的，我还好奇这些表征会如何形成或者限制我们的理解。 V1会有很多输出到V2，V2也是很大的一块区域，人和猴子的V2区域可能还要比V1大一点。就像图里这样，它差不多在V1的边上，包着V1。 然而事实是这样的，即便人们几十年前知道V2神经细胞的存在了，Hugo和Wessel就记录过V2细胞，人们还是花了很长时间才弄明白V2到底是做什么的。 既然V2细胞接收V1细胞的输出，所以很自然地可以想象V2会对V1细胞的局部方向做一些合并。 对V2细胞功能的猜想 ?
1.1K80发布于 2018-03-12 - 来自专栏新智元
哥大神经学家Nature发文，脑漂移现象或促成新AI模型
一直以来，神经网络的模型都是基于大脑神经元的解释，但大脑似乎对相同的输入有不同的输出，最近哥大的神经学家在Nature上发表了一篇文章，在小鼠的脑袋上做了一个实验，也许能促进AI模型的发展。
59210发布于 2021-07-29 - 来自专栏人工智能快报
美情报机构支持类脑计算研究
为了了解研发新一代计算机的潜在机遇和挑战，IARPA正在向以下两个领域的专家们征求方案：（1）拥有类脑计算机系统设计与研制经验的计算机科学家；（2）就神经计算原理对新一代计算机研发的实际用途持有可靠观点的神经学家 IARPA要求提交方案的神经学家和计算机科学家能够清晰简明地回答以下一个或多个问题： 问题1：基于尖峰脉冲的表征技术 大脑运行时采用的代码基于大量神经元内罕见的尖峰脉冲。 问题2：异步计算 大脑不使用全局时钟信号一次性同步更新所有计算元素，而默认的神经元功能是独立的，仅能暂时性协调它们的活动。 待神经学家解答的问题：我们目前对于“大脑如何利用异步计算和/或瞬态协调技术”的了解对于研发下一代计算机有何实际作用？需要首先填补哪些认知缺口或克服哪些困难？ 待神经学家解答的问题： 我们目前对于“大脑如何利用短/长期在线学习技术”的了解对于研发下一代计算机有何实际作用？需要首先填补哪些认知缺口或克服哪些困难？
93050发布于 2018-03-13 电子病历中神经症状标注的一致性研究
本研究检验了在电子健康记录临床笔记中标注神经学概念的标注者间一致性。在接受了关于标注流程、标注工具和支持性神经学本体的培训后，三名标注员分三轮标注了15份临床笔记。 标注者1（A1）是一名资深神经科医生，标注者2（A2）是一名主修神经科学的医学预科生，标注者3（A3）是一名三年级医学生。 标注者首先审查了神经学概念神经学本体中的神经学体征和症状，然后被指示在神经科笔记中找出所有神经学概念。体征和症状被标注，但疾病实体不被标注。标注者标注神经学概念，并忽略偏侧性等修饰语。 机器标注器机器标注器（NN）是一个神经网络，经过训练可以识别电子健康记录医师笔记中包含神经学概念的文本片段。 NN是spaCy默认的命名实体识别模型，基于一个四层卷积神经网络，使用tok2vec查看每个标记两侧的四个词，初始学习率为1×10⁻³。使用Prodigy提供的默认参数进行训练。
10300编辑于 2026-01-22- 来自专栏企鹅号快讯
Science特刊：直击当下神经学的三个大坑，百年来研究都做错了？
纽约大学的两名科学家在一篇综述里为我们带来了详尽的案例，探讨人类大脑对时空的感知[2]。一个经典实验揭示了人脑的欺骗性——研究人员要求受试者盯着屏幕打字。 或许，比起寻找日常生活中先入为主的观念（比如时间流逝）在大脑中的神经学表现，更需要进一步研究的，是大脑推断和解释时间的机制。 人工智能—— 机器会思考吗？ 第二层级（C2）的意识则是认知系统对自我运作产生意识。比如说，人类能对自己的状况有很好的认识。一个人能感知到自己高兴、沮丧的情绪，也能把这种感知内化为自己的知识与能力。 而这些患者能感受到“盲区”的视觉刺激，只是无法进行汇报（C1层级）；此外，他们也无法准确评估他们视觉的准确性（C2层级）。在这个例子里，C1与C2的完美结合，才带来了视觉的主观体验。 如果我们能彻底弄清C1与C2这两个意识层级的生物学机制，或许就能带来人工智能上的突破。 结语 除了以上这三篇综述外，另两篇综述也值得一读。
85750发布于 2018-01-08 - 来自专栏音乐与健康
神经学家、工程师和音乐家团队联合探索机制
该研究的作者之一、达特茅斯盖塞尔医学院神经学家、达特茅斯-希区柯克(D-H)癫痫和认知实验室主任Barbara C. Jobst表示，“Quon把神经学家、工程师、数据科学家、音乐教授和音乐家聚集在一起，完成了这项工作。”“莫扎特K448效应”机制不明癫痫影响全球约11%的人口，其中又有1/3患有耐药性或难治性癫痫。 就在今年4月，《欧洲神经学杂志》上的一项研究发现，莫扎特的D大调双钢琴奏鸣曲（K448）的声学特性可抑制癫痫患者的大脑活动，而18世纪古典作曲家海顿的作品就没有这种效果。
10410编辑于 2026-05-04 - 来自专栏镁客网
剑桥大学科学家实验证明绵羊面部识别能力堪比人类，将成为神经学研究新模型 | 黑科技
该研究表明绵羊将成为研究亨廷顿病等神经退行性疾病的良好模型，并将为神经学家们带来新的研究方式。 近日，剑桥大学的科学家发现绵羊可以通过人的肖像照片识别出人脸，甚至可以在没有事先培训的情况下识别出操作者的照片，为神经学研究领域的面部识别功能找到特殊的生物学模型。 现在，该研究表明绵羊将成为研究亨廷顿病等神经退行性疾病的良好模型，并将为神经学家们带来新的研究方式。
93300发布于 2018-05-30 电子健康记录中神经症状标注的一致性研究
标注者1是资深神经科医生，标注者2是神经科学专业的医学预科生，标注者3是三年级医学生。评分者首先回顾了神经学概念神经本体论中的神经学体征和症状，然后被指示在神经学笔记中查找所有神经学概念。 机器标注器机器标注器是一个经过训练的神经网络，用于识别电子健康记录医师笔记中包含神经学概念的文本跨度。 该神经网络是默认的spaCy命名实体识别模型，基于四层卷积神经网络，使用tok2vec查看每个标记两侧的四个词，初始学习率为1×10^-3。使用Prodigy提供的默认参数进行训练。 第1轮有625个标注屏幕，139个体征和症状需要标注；第2轮有674个标注屏幕，205个体征和症状需要标注；第3轮有523个标注屏幕，138个体征和症状需要标注。 标注过程仅限于神经学笔记中的神经学体征和症状。目标本体论是有限的神经本体论，包含1600个概念。我们仅评估了一个基于卷积神经网络的机器标注器。其他神经网络可能表现更好。
18810编辑于 2025-10-24- 来自专栏大数据文摘
Neuron：用脑成像技术预测未来行为
尽管我们现在还难以确认这些神经学特征（Neuromarker）与人的外在表现之间是否存在因果关系，但加布里埃利教授相信，仅仅依靠统计学上的相关性，这些神经学特征就已经能为个性化医疗或教育提供重要的参考： 从风靡于19世纪的颅相学（Phrenology）到给死囚做“死亡面具”[2]，无数人在这方面做了各种令人啼笑皆非的尝试。 利用这些神经学特征来预测这个孩子在8岁左右是否会出现发育性阅读障碍，准确率能达到81%。 借助于MRI，研究人员就发现了不少与酗酒相关的神经学特征。 这些对神经学特征的分析不但可以预测每个人的健康状况，还可以为疗法的选择提供指导。
97140发布于 2018-05-23 - 来自专栏科研猫
Neural Regeneration Research，国人友好期刊，影响因子今年破5分!
在细胞生物学领域排名78/195，神经学领域排名78/273。 JCI评分0.60分。在神经学领域排名217/293，细胞生物学领域排123/201。 4.JCR及中科院分区 JCR分区Q2/Q3。中科院大类医学3区，小类细胞生物学3区，神经学3区。非综述期刊。 5.发文量 期刊发文量还是比较稳定的，2020年以前基本维持在400篇左右。 8.审稿周期 小编浏览了几篇最近官网更新的文章，发现审稿周期多为2-3个月左右。 第一篇：2021.02.01投稿，2021.02.19给出意见，2020.04.19接收。从投稿到接收2个多月。 从投稿到接收2个多月。 第四篇：2021.01.17投稿，2021.02.10给出意见，2020.04.07接收。从投稿到接收近3个月。 是“中国科技期刊卓越行动计划”梯队期刊项目、中国高质量科技期刊分级目录T2类（国际知名期刊）。 Neural Regeneration Research整体还不错，稳中有涨。
2.1K20发布于 2021-09-29 - 来自专栏大数据文摘
大数据助力发现阿尔茨海默症的最早征兆
图片来源：蒙特利尔神经学研究所 蒙特利尔神经学研究所和医院的科学家们利用了一个强大的工具来更好地了解晚发型阿尔茨海默症（late-onset Alzheimer's disease ，LOAD）的发展过程 蒙特利尔神经学研究所（MNI）的博士后研究员，同时是此论文的第一作者Yasser Iturria Medina说：“缺乏对于LOAD的病理以及其多因素机制的综合理解，是开发有效的病症缓解性治疗药物的关键障碍 Evans介绍说，这种数据驱动的方法在神经学中正变得越来越重要。 “我们有很多方法来获取有关大脑的数据，但你应该如何利用这些数据呢？” 他说，“神经学正被整合并理解所有这些信息的能力所限制。
1.1K60发布于 2018-05-25 - 来自专栏MixLab科技+设计实验室
元宇宙数字藏品·视错觉艺术·脑波
那个年代，普遍认可神经学与建筑设计之间的关联，但未形成具体的学科或缺少工具进行验证。如今，其已经成为一门学科，我们可以深入地探索人的神经反应与建筑间的关联。 2 假设你在被雇用和被解雇的不同场景下，你的大脑对同一个房间的反应会非常不同。 实验结果表明： 1 认为百事可乐更好喝的人占大多数 2 虽然多数人感觉百事可乐的口味更好，但他们在实际购买时还是选择可口可乐。 2 事先告知所喝的品牌，75%的人说他们比较喜欢可口可乐。他们脑部活动的区域改变了。 神经学电影 neurocinematics 把神经学运用到剧情电影中，这种神经营销学和电影的结合体被称为神经学电影。
70620编辑于 2021-12-09 - 来自专栏DrugOne
Nat. Rev. Drug. Discov. | NfL作为神经退行性疾病的生物标志物首次进入监管领域
这种罕见的ALS形式占ALS病例的约2％，由于SOD1基因的突变导致蛋白质在大脑和脊髓中形成有毒的凝聚物。 谢菲尔德大学的神经学家、Biogen安妥生试验的调查员帕梅拉·肖表示：“这对ALS来说是一个非常令人兴奋的里程碑。在疾病修饰治疗方面，我们真的需要一些积极的进展。” 其中包括Biogen和Ionis的ataxin-2靶向的反义药物BIIB105，Ionis的FUStargeted反义药物ION363和Sanofi的RIPK1抑制剂SAR443820（见表1）。 例如，与阿尔茨海默病相比，ALS的血浆NfL水平通常高出2至3倍。NfL水平还能很好地反映ALS的进展和严重程度。“症状发作前NfL水平会上升，然后实际上会保持相对稳定，”Baloh说道。 Weisman是阿宾顿神经学关联临床研究中心的主任。
46410编辑于 2023-09-19 - 来自专栏脑电信号科研科普
Brain:一种用于阿尔兹海默症(AD)分类的可解释的深度学习框架
鉴于FCNs的操作独立于输入数据的大小,导致模型的生成为participant-specific大脑疾病的概率地图(步骤2)。 对个体MRI体积的快速处理分别产生了受影响和未受影响个体大脑中局部阿尔茨海默病概率的体积分布(图2)。 其中，前2名被诊断为认知功能正常，而另外2名被诊断为阿尔茨海默氏症。(B D)显示了一个临床确诊的阿尔茨海默氏症患者的轴向、冠状和矢状疾病概率图。所有成像平面均用于构建三维疾病概率图。 我们还将深度学习模型的表现与一组国际临床神经学家进行了比较，这些临床神经学家是从随机抽样的ADNI参与者队列中招募来的，他们提供了MRI、MMSE评分、年龄和性别。 通过规避这种刻板性，我们的方法很容易生成疾病概率图(图1，步骤2)，可以与多模态临床数据集成，用于阿尔茨海默病的诊断(图1，步骤3)。
1.5K30编辑于 2022-03-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号