搜索结果: 1-12 共查到“神经生物学 自动化”相关记录12条 . 查询时间(0.486 秒)
中国科学院自动化所揭示人类小脑功能层级背后的时空分子谱(图)
时空分子谱 神经系统 遗传
2024/2/22
人类小脑体积仅为大脑总体积的10%,却包含整个神经系统超过50%的神经元。小脑不仅协调运动,而且影响着人类的思考和情感。在探索小脑功能多样性的过程中,特别是剖析小脑如何参与和影响认知功能和情绪处理,研究发现了一个关键的轴线——感觉运动-联络(SA)轴。这一轴线有助于解释小脑功能层级的复杂性。然而,多数研究集中在探讨人类大脑皮层中SA轴的产生和意义,而鲜有关于小脑上的SA轴是如何形成及其生物学基础的...
中国科学院自动化研究所提出脑启发的神经环路演化策略(图)
脑启发 神经环路 演化策略
2023/9/28
中国科学院自动化研究所研发出全脉冲神经网络的类脑认知智能引擎(图)
全脉冲 神经网络 类脑认知 智能引擎
2023/8/30
中国科学院自动化所揭示颅内电刺激改善个体情绪状态新机制(图)
颅内电刺激 脑图谱 神经电生理
2023/8/6
2023年7月17日,中国科学院自动化研究所脑图谱与类脑智能实验室脑网络组研究中心蒋田仔团队在精细时空尺度下揭示了在特定情绪状态下颅内电刺激(intracranial electrical stimulation,iES)调控眶额皮层(orbitofrontal cortex,OFC)改善个体情绪状态的神经电生理机制。该研究对开发更精准有效的情绪障碍治疗方案具有重要意义,有望为情绪障碍患者带来更切...
中国科学院自动化研究所在多模态神经信息编解码方面取得进展(图)
多模态 神经信息 编解码
2023/4/10
中国科学院自动化所在多模态神经信息编解码方面取得进展(图)
自动化所 多模态神经 信息编解码
2023/5/3
解码人类视觉神经表征是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)训练数据较少。
中国科学院自动化研究所类脑认知智能研究组在Scientific Data上,发表了题为N-Omniglot, a large-scale neuromorphic dataset for spatio-temporal sparse few-shot learning的研究论文,提出了用于时空稀疏小样本学习的大规模神经形态数据集——N-Omniglot,为脉冲神经网络的学习与训练提供了更具挑战性的...
余山,男,博士生导师,自动化研究所。研究领域:人类大脑是极端复杂而又非常高效的信息处理系统。了解大脑的工作原理既有助于寻找预防和治疗各种精神及神经疾病的更有效手段,也会给人工智能和新一代计算技术提供重要的启示和借鉴。在技术高度发达的今天,脑研究常常被认为是最为重要的,尚未被征服的科学边疆。普遍的观点也认为,这一领域正在孕育着重大的突破,将为人类带来深刻的变革。研究方向:脑网络研究及其临床应用、系统...
最近,中国科学院自动化研究所类脑智能研究中心研究员曾毅与团队成员在一项研究中总结归纳了七条受脑启发的学习准则,并成功应用于改善脉冲神经网络。通过组合不同的受脑启发的规则,实验研究验证了:随着越来越多的、经过仔细选择的、受脑启发的规则的引入,深层脉冲神经网络能够得到越来越好的分类性能。
2017年5月9日下午,中国科学院上海神经所王伟研究员、Lan Max Andolina副研究员访问自动化所,并带来“脑科学与智能技术系列”学术报告。报告会由类脑智能中心张兆翔研究员主持。