搜索结果: 1-8 共查到“人工智能 神经计算”相关记录8条 . 查询时间(0.259 秒)
解码人类视觉神经表征是一项具有重要科学意义的挑战,可以揭示视觉处理机制并促进脑科学与人工智能的发展。然而,目前的神经解码方法难以泛化到训练数据以外的新类别,主要挑战在于现有方法未充分利用神经数据背后的多模态语义知识,且现有的可利用的配对(刺激-脑响应)训练数据很少。
近日,我所类脑智能研究中心神经计算与脑机交互团队提出一种结构化神经解码模型,实现了根据脑活动模式进行自然图像、人脸等复杂视觉刺激的高质量重建。相关成果已发表于国际期刊IEEE Transactions on Neural Networks and Learning Systems。几个世纪以来,哲学家和科学家一直在试图揣测、观察、理解和破译大脑是如何运作的,使得人们能够感知和探索复杂的自然世界。...
脑-机接口(Brain-computer interface,BCI)系统是一个通过采集、分析大脑信号,并将其转换为输出指令,实现由大脑信号对外部设备直接控制的系统。BCI研究的重要目标之一是为患有瘫痪或其他严重运动功能障碍的病人,提供一种不需要通过外周神经和肌肉便能实现对外交流的工具。基于运动想象的BCI系统是唯一一种不需要外界刺激,反映使用者自主运动意识且受使用者主动调控的BCI范式,可以将人...
尽管占比相对锥形神经元数量少,但是中间神经元在大脑皮层实现认知功能中的作用却不容小觑。中间神经元的显著特点就是种类丰富,因此对不同类型中间经元在特定认知功能的分工作用的探索是揭示智能机制的关键之一。中国科学院自动化研究所类脑智能研究中心曾毅团队将前额叶皮层(prefrontal cortex, PFC)中的中间神经元依据形态学特征进行计算建模,发现负责局部抑制的短程连接中间神经元在维持信息准确率上...
西安电子科技大学人工智能概论课件第四章3 神经计算。
2017年5月24日,由华东理工大学信息科学与工程学院、化工先进控制和优化技术教育部重点实验室主办的2017年第二届“脑控系统与神经计算”研讨会召开,我校副校长刘昌胜教授、科研院常务副院长朱学栋教授、国际合作与交流处副处长曹宵鸣教授、信息学院王行愚教授、信息学院党委书记侍洪波教授等出席会议。刘昌胜教授致开幕辞,信息学院金晶教授主持会议。本次会议共有来自40余所国内外高校和科研院所的150余人参加。...
神经计算中坐标变换的网络模型(CMAC)的泛化特性
泛化性能 小脑模型(CMAC) 坐标变换
2008/12/17
在神经计算中神经网络的泛化特性是一个非常重要的内容.该文简述了小脑模型
(CMAC--Cerebellar Model Areiculation Controller)的原理和学习算法,并用仿真方法讨
论了在机器人使用的坐标变换关系(输入直角坐标值,输出机器手的关节角度)下CMAC的
泛化性能:当泛化率为1:100时CMAC仍能正常工作.系统的精度虽能满足需要,但是进一
步提高却受到限制....