- 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
程序会对你所绘制的高分辨率字符向下采样并将采样点分配到5×8网格中。然后将这个通过向下采样得到的网格与每个数字的向下采样网格进行比较。 然后程序会将这个网格转换成一个一维数组，而一个5×8的网格会有40个数组元素。 [m1, m2, m3 ,m4, m5, m6, m7, m8, m9, m10] [f1, f2, f3 ,f4, f5, f6, f7, f8, f9, f10] 现在我们将这些切点加进去。 [m1, m2] [m3 ,m4, m5, m6] [m7, m8, m9, m10] [f1, f2] [f3 ,f4, f5, f6] [f7, f8, f9, f10] 如此会产生下面两个子代。 [m1, m2] [f3 ,f4, f5, f6] [m7, m8, m9, m10] [f1, f2] [m3 ,m4, m5, m6] [f7, f8, f9, f10] 根据另一个随机事件，每个解决方案都可能会发生突变
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
程序会对你所绘制的高分辨率字符向下采样并将采样点分配到5×8网格中。然后将这个通过向下采样得到的网格与每个数字的向下采样网格进行比较。 然后程序会将这个网格转换成一个一维数组，而一个5×8的网格会有40个数组元素。 [m1, m2, m3 ,m4, m5, m6, m7, m8, m9, m10] [f1, f2, f3 ,f4, f5, f6, f7, f8, f9, f10] 现在我们将这些切点加进去。 [m1, m2] [m3 ,m4, m5, m6] [m7, m8, m9, m10] [f1, f2] [f3 ,f4, f5, f6] [f7, f8, f9, f10] 如此会产生下面两个子代。 [m1, m2] [f3 ,f4, f5, f6] [m7, m8, m9, m10] [f1, f2] [m3 ,m4, m5, m6] [f7, f8, f9, f10] 根据另一个随机事件，每个解决方案都可能会发生突变
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……
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。 结果表明： #1 事先不告知品牌，多数实验者更喜欢百事可乐的口味，他们大脑中腹侧外壳的活性比那些选择可口可乐的人强5倍。 #2 事先告知所喝的品牌，75%的人说他们比较喜欢可口可乐。 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。 片段引起了65%大脑区域的同步激活，莱翁的《黄金三镖客》片段引起了45%大脑区域的同步激活，而拉里•戴维的《抑制热情》只引起了18%的大脑区域的同步激活，最后一段是在纽约华盛顿广场公园拍摄的视频，只引起了5% 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
shape_predictor_68_face_landmarks.dat") self.blink_model = load_model("blink_detection_model.h5" y_min, x_max, y_max) def generate_blink_sequence(self, image_path, output_path, blink_frames=5)
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。 看见图的过程是这样的： 光线进入你的眼睛，照到你的视网膜上，视网膜上有细胞，它们可以观察到图片上的很小的区域； 对这些区域进行处理的时候会用到一个视网膜内的网络回路，从大概5百万个视锥细胞开始，它们能把光照转换成电信号 所以，可以这样讲，有大概5百万个感官单元可以形成像素，像素化的测量会转换到一百万条纤维组成的线缆中，然后到达你的大脑。
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 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。 方法标注工具使用Prodigy（Explosion AI, Berlin, Germany）来标注电子健康记录医师笔记中的神经学概念。 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。 研究发现，基于BERT的神经网络可以将文本片段任务的性能提高5%到10%。其他人也发现，基于BERT的深度学习方法在概念识别和提取任务上优于基于CNN的方法。
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？
就在最近，《科学》（Science）杂志出版了神经科学的特刊，用5篇翔实的综述，直击了当下神经科学研究的一些痛点，以及一些人们所关心的热门话题。 Yartsev教授在综述里为我们整理了5种模式生物诞生的来龙去脉。 乌贼：最初，人们使用乌贼来研究动作电位的产生机制。 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？ 其中一篇介绍了大数据在神经科学中的应用，并认为这有望让我们了解大脑的全景[4]；另一篇则讨论了前额叶的组成，涉及到脑区的具体定义[5]。这些都是今天的神经科学科学面临的有趣问题。
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 - 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!
2020年突破5分大关，为5.135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。 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。2021年已刊文520篇，较前略有增加。 影响因子今年突破5分，审稿费不贵，审稿周期不慢，对国人非常友好，神经科的小伙伴可以了解一下。
2.1K20发布于 2021-09-29 - 来自专栏人工智能快报
美情报机构支持类脑计算研究
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。 待神经学家解答的问题：我们目前对“大脑如何利用基于尖峰脉冲的表征技术、稀疏编码技术和/或近似计算技术”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？ 待神经学家解答的问题：我们目前对于“大脑如何利用本地存储器存储与计算功能集成技术”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 - 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： 有证据提示，大约有5%–17%儿童会在刚上学的时候出现发育性阅读障碍（developmental dyslexia）症状，这些孩子的外周器官都没有明显的缺陷，但是他们比其他儿童更难学会阅读。 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 电子健康记录中神经症状标注的一致性研究
我们研究了在电子健康记录临床笔记中标注神经学概念的评分者间一致性。经过标注过程、标注工具和支持性神经本体论的培训后，三名评分者在三轮中标注了15份临床笔记。 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。 我们发现基于转换器双向编码器表示的神经网络可以将文本跨度任务的性能提高5%至10%。其他人发现基于BERT的深度学习方法在概念识别和提取任务上优于基于CNN的方法。 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。 神经营销学 Neuromarketing 运用神经学方法来确定消费者选择背后的原动力。研究者运用核磁共振画出被测试者的脑部图，来揭示他们是如何对广告或者物品产生反应的。 结果表明： 1 事先不告知品牌，多数实验者更喜欢百事可乐的口味，他们大脑中腹侧外壳的活性比那些选择可口可乐的人强5倍。 2 事先告知所喝的品牌，75%的人说他们比较喜欢可口可乐。 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。 片段引起了65%大脑区域的同步激活，莱翁的《黄金三镖客》片段引起了45%大脑区域的同步激活，而拉里•戴维的《抑制热情》只引起了18%的大脑区域的同步激活，最后一段是在纽约华盛顿广场公园拍摄的视频，只引起了5%
70620编辑于 2021-12-09 - 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
模型预测与神经病理学结果的关联，以及与神经学家团队的模型性能的头对头比较，强调了深度学习框架的有效性。 图1 深度学习框架。 性别和MMSE得分也预测老年痴呆症的疾病状态(非模型在图5 a和B)。模型进一步提高性能通过扩大MLP输入包括疾病概率地图,性别,年龄,和MMSE评分(融合模型在图5 a和B)。 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。 神经科医生的表现(图5A)显示了不同临床实践的差异性，通过配对kappa (κ)评分评估，评分间具有中度一致性(图5A;k = 0.493 0.16)。 图5 MLP模型与神经学家在AD分类中的表现比较 通过使用其他指标，深度学习模型在外部数据集上的一致、高分类性能得到了确认。
1.5K30编辑于 2022-03-02 - 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AI科技评论
人脑启发AI设计：让神经网络统一翻译语音和文本
在2018年，Wilson等人更是发现这些汇合区的确对语言有理解能力：它们可以分辨句子的句法，而对没有意义的内容则不作响应[5]。 至此，神经学家们对这一谜团的百余年探索终见光亮。 图4：颞上回里的语言-文本处理模式图 [4] 现在的问题是：这样的设计也会适用于人工智能模型吗？ 难点：语音和文本的鸿沟 读过上述神经学的发现，你可能觉得，让人工智能来统一理解文本和语音应该也是小菜一碟。然而，一旦涉及到技术实现，问题就有点棘手了。 图5：声音波形和文本的差异 最后就是数据的问题。文本数据在互联网上遍地都是，但语音收集起来则费钱得多。不信看看，文本和语音的两个翻译数据集的大小差距有多大（图6）。 Developmental neuropsychology 33.6 (2008): 745-775. 5.
89730发布于 2021-07-27
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