chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

小鼠聽皮層神經(jīng)元群體結(jié)構(gòu)動(dòng)態(tài)變化實(shí)現(xiàn)感覺到范疇的轉(zhuǎn)化

mK5P_AItists ? 來源:YXQ ? 2019-07-22 15:13 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

7月8日,《神經(jīng)元》期刊在線發(fā)表了題為《小鼠聽皮層神經(jīng)元群體結(jié)構(gòu)動(dòng)態(tài)變化實(shí)現(xiàn)感覺到范疇的轉(zhuǎn)化》的研究論文,該研究由中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心/神經(jīng)科學(xué)研究所、上海腦科學(xué)與類腦研究中心、神經(jīng)科學(xué)國家重點(diǎn)實(shí)驗(yàn)室徐寧龍研究組完成,博士研究生辛宇為該論文第一作者。

該研究通過在頭部固定小鼠中建立一套聽覺相關(guān)的抉擇行為任務(wù),同時(shí)使用雙光子成像技術(shù)記錄清醒小鼠的聽覺皮層第2/3層群體神經(jīng)元的反應(yīng),解析了對感覺信息進(jìn)行范疇化(categorization)的皮層神經(jīng)元群體運(yùn)算機(jī)制。負(fù)責(zé)該項(xiàng)目的研究人員對皮層大量神經(jīng)元活動(dòng)進(jìn)行記錄和統(tǒng)計(jì)分析,發(fā)現(xiàn)在聽覺皮層中存在范疇抉擇相關(guān)的單細(xì)胞反應(yīng),并且,聽覺皮層神經(jīng)元的信息編碼會根據(jù)任務(wù)需要發(fā)生動(dòng)態(tài)變化。這種神經(jīng)編碼的動(dòng)態(tài)變化在群體水平有利于把連續(xù)的感覺信息轉(zhuǎn)化為任務(wù)相關(guān)的范疇信息。研究人員通過對群體神經(jīng)元活動(dòng)的解碼,也驗(yàn)證了任務(wù)態(tài)下聽皮層神經(jīng)元活動(dòng)能夠準(zhǔn)確預(yù)測小鼠執(zhí)行聽覺范疇分類任務(wù)的表現(xiàn)。

為什么需要對感覺信息進(jìn)行分類或范疇化?這是由于人們大腦接收到的來自客觀世界的感覺信息紛繁復(fù)雜,而人們能夠形成的概念和采取的行動(dòng)則數(shù)目有限,為了形成有意義的認(rèn)知來指導(dǎo)行為,大腦需要對這些信息進(jìn)行高效的組織管理,而其中最基本的過程就是范疇化(categorization),簡單來講,就是對外來刺激進(jìn)行分類與定位,從而可以從外部信息中高效地抽提出最相關(guān)的信息,形成感知判斷。例如,當(dāng)接收到豐富多樣的語音信息,大腦會把這些語音歸類到屬于不同的熟悉的人,或?qū)儆谀吧恕.?dāng)你接到一個(gè)電話時(shí),即使因?yàn)榄h(huán)境干擾和電話通話噪聲等因素而導(dǎo)致語音物理參數(shù)發(fā)生變化或扭曲,你仍然可以輕而易舉識別出電話里的語音是否屬于某一個(gè)熟人,或?qū)儆谀吧?。這個(gè)過程就涉及到對聲音信息的類別判斷。另一個(gè)例子是關(guān)于人們對于色彩的認(rèn)知。當(dāng)看到彩虹時(shí),盡管其中可見光的波長實(shí)際上是連續(xù)變化的,然而人們對于波長的物理數(shù)值難以形成感性認(rèn)知或顏色概念,因此需要將連續(xù)的波長信息范疇化,將其定義為離散的七種顏色類別(紅橙黃綠青藍(lán)紫),便于信息存儲與交流。這說明感覺信息范疇化可以幫助大腦高效存儲信息和形成認(rèn)知。因此,認(rèn)知心理學(xué)研究認(rèn)為,范疇化是人們對外界形成感知并且做出行動(dòng)的一個(gè)普遍而基本的過程。

大腦如何將復(fù)雜而又連續(xù)的刺激信息范疇化呢?這里面的神經(jīng)生物學(xué)機(jī)制是什么?對于這些問題的解答將使人們對腦認(rèn)知功能的生物學(xué)基礎(chǔ)和神經(jīng)計(jì)算原理有更深入的理解。事實(shí)上,神經(jīng)科學(xué)家早已意識到這個(gè)問題的重要性。美國麻省理工學(xué)院(MIT)的著名神經(jīng)科學(xué)家Earl Miller的實(shí)驗(yàn)室早在2001年就在Science發(fā)表論文,提出獼猴前額葉可以產(chǎn)生視覺信息分類相關(guān)的神經(jīng)活動(dòng)。該論文的第一作者David Freedman后來(2006年)又在Nature發(fā)表論文,提出在后頂葉皮層也有編碼視覺分類的神經(jīng)活動(dòng)。這些研究開啟了信息分類和感知覺范疇化神經(jīng)機(jī)制研究的新領(lǐng)域。但是這些研究中所發(fā)現(xiàn)的與感知類別相對應(yīng)的神經(jīng)活動(dòng),更多地代表神經(jīng)運(yùn)算的結(jié)果,而感覺信息怎樣被轉(zhuǎn)化為離散的類別信息的神經(jīng)運(yùn)算過程卻并不清楚。

為了探索這個(gè)問題,腦智卓越中心的研究人員在小鼠中建立了一個(gè)基于聽覺的分類抉擇行為范式,經(jīng)過訓(xùn)練,小鼠可以將不同頻率的純音歸類到“高音”或“低音”范疇。同時(shí)研究人員結(jié)合活體雙光子成像技術(shù),在動(dòng)物執(zhí)行任務(wù)的同時(shí)對聽覺皮層群體神經(jīng)元活動(dòng)進(jìn)行大規(guī)模記錄,并結(jié)合進(jìn)一步的定量分析,從而研究了大腦皮層的神經(jīng)元如何通過動(dòng)態(tài)編碼將感覺信息轉(zhuǎn)化為類別信息的機(jī)制。研究的具體過程是,清醒小鼠在頭部固定的情況下被放置在隔音箱內(nèi),經(jīng)過訓(xùn)練它們可以將連續(xù)的單一頻率聲音(6種或者8種)按照設(shè)定的類別邊界劃分成兩種類別:低頻組或者是高頻組,一般小鼠在經(jīng)過一周的訓(xùn)練后可以達(dá)到80%以上的正確率(圖A和圖B)。隨后,開始雙光子成像的實(shí)驗(yàn)(圖C)。對于這些小鼠,研究人員事先在聽皮層神經(jīng)元中利用微量病毒注射的方法表達(dá)鈣指示劑GCaMP6s蛋白,并埋置長期成像窗口,從而實(shí)現(xiàn)對于群體神經(jīng)元活動(dòng)的長期穩(wěn)定記錄。

他們的研究發(fā)現(xiàn),在單細(xì)胞水平,除了編碼聲音頻率信息的神經(jīng)元活動(dòng)之外,在小鼠執(zhí)行聲音分類任務(wù)中,出現(xiàn)了兩種與分類相關(guān)的神經(jīng)活動(dòng)。其中一類的神經(jīng)元表現(xiàn)出對聲音類別的特異性反應(yīng),類似于前人在前額葉和后頂葉等下游腦區(qū)發(fā)現(xiàn)的類別相關(guān)的神經(jīng)元。例如圖D中的神經(jīng)元只對于低頻類別聲音有反應(yīng),而對于高頻類別幾乎沒有反應(yīng)。另外一類神經(jīng)元?jiǎng)t表現(xiàn)出對于類別邊界頻率聲音的選擇性反應(yīng)(圖E),而這種聲音選擇性反應(yīng)在被動(dòng)聽聲音的情況下并不存在,因此是一種任務(wù)依賴的動(dòng)態(tài)調(diào)整。在群體神經(jīng)元水平上,他們發(fā)現(xiàn),相對于靜息狀態(tài)的被動(dòng)刺激,任務(wù)態(tài)下聽皮層對于相同聲音的編碼在群體構(gòu)成上出現(xiàn)了動(dòng)態(tài)調(diào)整(圖F)。進(jìn)一步通過對群體神經(jīng)元活動(dòng)的解碼,發(fā)現(xiàn)這種動(dòng)態(tài)調(diào)整使得聽皮層神經(jīng)元活動(dòng)能夠準(zhǔn)確可靠地預(yù)測動(dòng)物的行為任務(wù)(圖G - H)。因此,該項(xiàng)工作揭示聽覺皮層神經(jīng)元群體可以根據(jù)分類任務(wù)的需要,動(dòng)態(tài)調(diào)整信息編碼特性,形成利于提高分類邊界分辨能力的群體編碼結(jié)構(gòu),從而提出了感知分類的一個(gè)新的神經(jīng)運(yùn)算機(jī)制。這一成果對于感覺皮層在認(rèn)知過程中的信息處理機(jī)制提出了新的理解和預(yù)期,并且可能有助于啟發(fā)人工智能算法設(shè)計(jì)的新思路。

該項(xiàng)工作在研究員徐寧龍的指導(dǎo)下,主要由辛宇完成,同時(shí)課題組的博士研究生鐘林、張園,高級工程師潘璟瑋,助理研究員周濤濤也做出了重要貢獻(xiàn)。該工作得到國家基金委、國家重點(diǎn)實(shí)驗(yàn)室基金、中科院戰(zhàn)略性先導(dǎo)科技專項(xiàng)、中科院重點(diǎn)前沿項(xiàng)目、青年千人計(jì)劃等的資助。

圖注:A、頭部固定小鼠的行為范式。被動(dòng)情況下小鼠只需要聽聲音,不需要做出反應(yīng)。B、小鼠行為學(xué)的心理物理曲線。C、雙光子成像示意圖。D、對于聲音的類別有選擇性反應(yīng)的示例神經(jīng)元。E、對于類別的分界處的聲音有特意選擇性的示例神經(jīng)元。F、使用群體神經(jīng)元活動(dòng)來預(yù)測單次實(shí)驗(yàn)中小鼠的行為,與小鼠實(shí)際的行為選擇具有顯著的相關(guān)性。G、群體神經(jīng)元活動(dòng)的解碼結(jié)果跟小鼠的抉擇行為顯著相關(guān)。H、通過解析群體神經(jīng)元活動(dòng)得到的神經(jīng)測量曲線跟小鼠行為學(xué)的心理物理曲線高度相似。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報(bào)投訴
  • 麻省理工
    +關(guān)注

    關(guān)注

    0

    文章

    40

    瀏覽量

    12408
  • 神經(jīng)元
    +關(guān)注

    關(guān)注

    1

    文章

    368

    瀏覽量

    18837

原文標(biāo)題:研究揭示聽覺皮層編碼聽覺認(rèn)知的新機(jī)制

文章出處:【微信號:AItists,微信公眾號:人工智能學(xué)家】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點(diǎn)推薦

    無刷直流電機(jī)單神經(jīng)元自適應(yīng)智能控制系統(tǒng)

    摘要:針對無刷直流電機(jī)(BLDCM)設(shè)計(jì)了一種可在線學(xué)習(xí)的單神經(jīng)元自適應(yīng)比例-積分-微分(PID)智能控制器,通過有監(jiān)督的 Hebb學(xué)習(xí)規(guī)則調(diào)整權(quán)值,每次采樣根據(jù)反饋誤差對神經(jīng)元權(quán)值進(jìn)行調(diào)整,以實(shí)現(xiàn)
    發(fā)表于 06-26 13:36

    無刷直流電機(jī)單神經(jīng)元PI控制器的設(shè)計(jì)

    摘要:研究了一種基于專家系統(tǒng)的單神經(jīng)元PI控制器,并將其應(yīng)用于無刷直流電機(jī)調(diào)速系統(tǒng)中。控制器實(shí)現(xiàn)了PI參數(shù)的在線調(diào)整,在具有PID控制器良好動(dòng)態(tài)性能的同時(shí),減少微分項(xiàng)對系統(tǒng)穩(wěn)態(tài)運(yùn)行時(shí)的影響,并較好
    發(fā)表于 06-26 13:34

    經(jīng)顱電刺激適應(yīng)癥系列之tACS調(diào)節(jié)睡眠

    多腦區(qū)協(xié)同的睡眠啟動(dòng)機(jī)制睡眠的啟動(dòng)依賴于皮層皮層結(jié)構(gòu)動(dòng)態(tài)交互。前額葉皮層通過調(diào)控皮層-丘腦
    的頭像 發(fā)表于 04-13 20:24 ?565次閱讀
    經(jīng)顱電刺激適應(yīng)癥系列之tACS調(diào)節(jié)睡眠

    BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)原則

    ,僅作為數(shù)據(jù)輸入的接口。輸入層的神經(jīng)元個(gè)數(shù)通常與輸入數(shù)據(jù)的特征數(shù)量相對應(yīng)。 隱藏層 :對輸入信號進(jìn)行非線性變換,是神經(jīng)網(wǎng)絡(luò)的核心部分,負(fù)責(zé)學(xué)習(xí)輸入與輸出之間的復(fù)雜映射關(guān)系。隱藏層可以有一層或多層,層數(shù)和神經(jīng)元數(shù)量根據(jù)具體問題而定
    的頭像 發(fā)表于 02-12 16:41 ?742次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)的比較

    多層。 每一層都由若干個(gè)神經(jīng)元構(gòu)成,神經(jīng)元之間通過權(quán)重連接。信號在神經(jīng)網(wǎng)絡(luò)中是前向傳播的,而誤差是反向傳播的。 卷積神經(jīng)網(wǎng)絡(luò)(CNN) : CNN主要由卷積層、池化層和全連接層組成。
    的頭像 發(fā)表于 02-12 15:53 ?666次閱讀

    BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)步驟詳解

    BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)步驟主要包括以下幾個(gè)階段:網(wǎng)絡(luò)初始化、前向傳播、誤差計(jì)算、反向傳播和權(quán)重更新。以下是對這些步驟的詳細(xì)解釋: 一、網(wǎng)絡(luò)初始化 確定網(wǎng)絡(luò)結(jié)構(gòu) : 根據(jù)輸入和輸出數(shù)據(jù)的特性,確定
    的頭像 發(fā)表于 02-12 15:50 ?645次閱讀

    深度學(xué)習(xí)入門:簡單神經(jīng)網(wǎng)絡(luò)的構(gòu)建與實(shí)現(xiàn)

    深度學(xué)習(xí)中,神經(jīng)網(wǎng)絡(luò)是核心模型。今天我們用 Python 和 NumPy 構(gòu)建一個(gè)簡單的神經(jīng)網(wǎng)絡(luò)。 神經(jīng)網(wǎng)絡(luò)由多個(gè)神經(jīng)元組成,神經(jīng)元之間通過
    的頭像 發(fā)表于 01-23 13:52 ?528次閱讀

    新型超分辨顯微成像技術(shù):突破光學(xué)衍射極限

    和運(yùn)動(dòng)偽影兩大技術(shù)難題,可在清醒動(dòng)物腦中對神經(jīng)元的快速動(dòng)態(tài)進(jìn)行超分辨率光學(xué)成像和解析,為探討動(dòng)物學(xué)習(xí)過程中的神經(jīng)元突觸可塑性基礎(chǔ)提供了新工具。近年來,新發(fā)展
    的頭像 發(fā)表于 12-19 06:21 ?541次閱讀
    新型超分辨顯微成像技術(shù):突破光學(xué)衍射極限

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    神經(jīng)網(wǎng)絡(luò),也稱為全連接神經(jīng)網(wǎng)絡(luò)(Fully Connected Neural Networks,F(xiàn)CNs),其特點(diǎn)是每一層的每個(gè)神經(jīng)元都與下一層的所有神經(jīng)元相連。這種
    的頭像 發(fā)表于 11-15 14:53 ?1869次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機(jī)制

    網(wǎng)絡(luò)的結(jié)構(gòu)與工作機(jī)制的介紹: 一、LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)主要包括以下幾個(gè)部分: 記憶單元(Memory Cell)
    的頭像 發(fā)表于 11-13 10:05 ?1631次閱讀

    HarmonyOS NEXT應(yīng)用服務(wù)開發(fā)內(nèi)容動(dòng)態(tài)變化場景

    適用場景:界面上重要內(nèi)容在動(dòng)態(tài)變化后,需要實(shí)時(shí)發(fā)送變化后的朗讀內(nèi)容 說明:如果界面上內(nèi)容發(fā)生動(dòng)態(tài)變化且其內(nèi)容對用戶具有必要的提示/告知/指導(dǎo)
    發(fā)表于 10-29 10:52

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    轉(zhuǎn)換成一個(gè)很長的一維向量。轉(zhuǎn)換是在所謂的壓平層中完成的,隨后是一個(gè)或兩個(gè)全連接層。全連接層的神經(jīng)元類似于圖2所示的結(jié)構(gòu)。神經(jīng)網(wǎng)絡(luò)最后一層的輸出要與需要區(qū)分的類別的數(shù)量一致。此外,在最后一層中,數(shù)據(jù)還被
    發(fā)表于 10-24 13:56

    怎樣做ZL-01C單臂數(shù)顯小動(dòng)物腦立體定位儀實(shí)驗(yàn)?

    簡單介紹: 數(shù)顯腦立體定位儀又稱腦固定裝置,它是利用顱骨外面的標(biāo)志或其它參考點(diǎn)所規(guī)定的三度坐標(biāo)系統(tǒng),來確定皮層下某些神經(jīng)結(jié)構(gòu)的位置,以便在非直視暴露下對其進(jìn)行定向的刺激、破壞、引導(dǎo)電位等研究。是
    發(fā)表于 08-26 15:33

    簡儀高性能平臺在小鼠腦電波實(shí)驗(yàn)中的應(yīng)用

    在生物實(shí)驗(yàn)測試中,準(zhǔn)確捕捉小鼠在各種刺激信號下腦電波的變化是至關(guān)重要的。這些刺激信號包括聲音、視覺和觸覺等,它們通過不同的方式影響小鼠神經(jīng)系統(tǒng)。為了深入理解這些刺激對
    的頭像 發(fā)表于 08-02 15:17 ?702次閱讀
    簡儀高性能平臺在<b class='flag-5'>小鼠</b>腦電波實(shí)驗(yàn)中的應(yīng)用

    Python自動(dòng)訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)

    人工神經(jīng)網(wǎng)絡(luò)(ANN)是機(jī)器學(xué)習(xí)中一種重要的模型,它模仿了人腦神經(jīng)元的工作方式,通過多層節(jié)點(diǎn)(神經(jīng)元)之間的連接和權(quán)重調(diào)整來學(xué)習(xí)和解決問題。Python由于其強(qiáng)大的庫支持(如TensorFlow、PyTorch等),成為了
    的頭像 發(fā)表于 07-19 11:54 ?702次閱讀