Нейросети учатся создавать автоматы: новый подход к обработке последовательностей

Исследователи разработали метод автоматического построения конечных автоматов с помощью рекуррентных нейронных сетей, позволяющий эффективно решать задачи последовательного преобразования данных.

Визуальные образы из мозга приматов: простота моделей, глубина понимания

Нейронная активность макаки, фиксируемая с помощью массива из 1024 каналов при просмотре 22 000 естественных изображений, преобразуется в латентное представление посредством VAE декодера, обеспечивающего точную, но грубую реконструкцию, а затем используется для генерации множества кандидатов изображений через Stable Diffusion XL, при этом выбор финального изображения осуществляется на основе структурного сходства с исходной реконструкцией, объединяя таким образом структурную точность с генеративным потенциалом.

Новое исследование показывает, как легкие нейронные модели, учитывающие временную динамику, позволяют с высокой точностью реконструировать визуальные стимулы на основе данных, полученных от коры головного мозга приматов.

Искривление пространства: как геометрия управляет волнами в мозге

Кривизна поверхности определяет динамику дефектов спиральных волн: моделирование на простых поверхностях демонстрирует устойчивые конфигурации дефектов, в то время как на поверхностях со сложной кривизной наблюдается неустойчивая динамика, что подтверждается экспериментальными данными, полученными на коре головного мозга, где дефекты демонстрируют подвижные траектории, охватывающие значительные области коры.

Новое исследование показывает, что кривизна поверхности влияет на распространение спиральных волн, выступая в роли физической силы, способной стабилизировать паттерны активности и направлять их распространение.