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
登錄后你可以
  • 下載海量資料
  • 學習在線課程
  • 觀看技術視頻
  • 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識你,還能領取20積分哦,立即完善>

3天內(nèi)不再提示

小鼠聽皮層神經(jīng)元群體結構動態(tài)變化實現(xiàn)感覺到范疇的轉化

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)元群體結構動態(tài)變化實現(xiàn)感覺到范疇的轉化》的研究論文,該研究由中國科學院腦科學與智能技術卓越創(chuàng)新中心/神經(jīng)科學研究所、上海腦科學與類腦研究中心、神經(jīng)科學國家重點實驗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的抉擇行為任務,同時使用雙光子成像技術記錄清醒小鼠的聽覺皮層第2/3層群體神經(jīng)元的反應,解析了對感覺信息進行范疇化(categorization)的皮層神經(jīng)元群體運算機制。負責該項目的研究人員對皮層大量神經(jīng)元活動進行記錄和統(tǒng)計分析,發(fā)現(xiàn)在聽覺皮層中存在范疇抉擇相關的單細胞反應,并且,聽覺皮層神經(jīng)元的信息編碼會根據(jù)任務需要發(fā)生動態(tài)變化。這種神經(jīng)編碼的動態(tài)變化在群體水平有利于把連續(xù)的感覺信息轉化為任務相關的范疇信息。研究人員通過對群體神經(jīng)元活動的解碼,也驗證了任務態(tài)下聽皮層神經(jīng)元活動能夠準確預測小鼠執(zhí)行聽覺范疇分類任務的表現(xiàn)。

為什么需要對感覺信息進行分類或范疇化?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雜,而人們能夠形成的概念和采取的行動則數(shù)目有限,為了形成有意義的認知來指導行為,大腦需要對這些信息進行高效的組織管理,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的信息,形成感知判斷。例如,當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,或屬于陌生人。當你接到一個電話時,即使因為環(huán)境干擾和電話通話噪聲等因素而導致語音物理參數(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熟人,或屬于陌生人。這個過程就涉及到對聲音信息的類別判斷。另一個例子是關于人們對于色彩的認知。當看到彩虹時,盡管其中可見光的波長實際上是連續(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知。因此,認知心理學研究認為,范疇化是人們對外界形成感知并且做出行動的一個普遍而基本的過程。

大腦如何將復雜而又連續(xù)的刺激信息范疇化呢?這里面的神經(jīng)生物學機制是什么?對于這些問題的解答將使人們對腦認知功能的生物學基礎和神經(jīng)計算原理有更深入的理解。事實上,神經(jīng)科學家早已意識到這個問題的重要性。美國麻省理工學院(MIT)的著名神經(jīng)科學家Earl Miller的實驗室早在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的神經(jīng)活動。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。這些研究開啟了信息分類和感知覺范疇化神經(jīng)機制研究的新領域。但是這些研究中所發(fā)現(xiàn)的與感知類別相對應的神經(jīng)活動,更多地代表神經(jīng)運算的結果,而感覺信息怎樣被轉化為離散的類別信息的神經(jīng)運算過程卻并不清楚。

為了探索這個問題,腦智卓越中心的研究人員在小鼠中建立了一個基于聽覺的分類抉擇行為范式,經(jīng)過訓練,小鼠可以將不同頻率的純音歸類到“高音”或“低音”范疇。同時研究人員結合活體雙光子成像技術,在動物執(zhí)行任務的同時對聽覺皮層群體神經(jīng)元活動進行大規(guī)模記錄,并結合進一步的定量分析,從而研究了大腦皮層的神經(jīng)元如何通過動態(tài)編碼將感覺信息轉化為類別信息的機制。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)過一周的訓練后可以達到80%以上的正確率(圖A和圖B)。隨后,開始雙光子成像的實驗(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鈣指示劑GCaMP6s蛋白,并埋置長期成像窗口,從而實現(xiàn)對于群體神經(jīng)元活動的長期穩(wěn)定記錄。

他們的研究發(fā)現(xiàn),在單細胞水平,除了編碼聲音頻率信息的神經(jīng)元活動之外,在小鼠執(zhí)行聲音分類任務中,出現(xiàn)了兩種與分類相關的神經(jīng)活動。其中一類的神經(jīng)元表現(xiàn)出對聲音類別的特異性反應,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,而對于高頻類別幾乎沒有反應。另外一類神經(jīng)元則表現(xiàn)出對于類別邊界頻率聲音的選擇性反應(圖E),而這種聲音選擇性反應在被動聽聲音的情況下并不存在,因此是一種任務依賴的動態(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)的被動刺激,任務態(tài)下聽皮層對于相同聲音的編碼在群體構成上出現(xiàn)了動態(tài)調(diào)整(圖F)。進一步通過對群體神經(jīng)元活動的解碼,發(fā)現(xiàn)這種動態(tài)調(diào)整使得聽皮層神經(jīng)元活動能夠準確可靠地預測動物的行為任務(圖G - H)。因此,該項工作揭示聽覺皮層神經(jīng)元群體可以根據(jù)分類任務的需要,動態(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構,從而提出了感知分類的一個新的神經(jīng)運算機制。這一成果對于感覺皮層在認知過程中的信息處理機制提出了新的理解和預期,并且可能有助于啟發(fā)人工智能算法設計的新思路。

該項工作在研究員徐寧龍的指導下,主要由辛宇完成,同時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。該工作得到國家基金委、國家重點實驗室基金、中科院戰(zhàn)略性先導科技專項、中科院重點前沿項目、青年千人計劃等的資助。

圖注:A、頭部固定小鼠的行為范式。被動情況下小鼠只需要聽聲音,不需要做出反應。B、小鼠行為學的心理物理曲線。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)元活動來預測單次實驗中小鼠的行為,與小鼠實際的行為選擇具有顯著的相關性。G、群體神經(jīng)元活動的解碼結果跟小鼠的抉擇行為顯著相關。H、通過解析群體神經(jīng)元活動得到的神經(jīng)測量曲線跟小鼠行為學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)站授權轉載。文章觀點僅代表作者本人,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習之用,如有內(nèi)容侵權或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 麻省理工
    +關注

    關注

    0

    文章

    40

    瀏覽量

    12458
  • 神經(jīng)元

    關注

    1

    文章

    368

    瀏覽量

    19033

原文標題:研究揭示聽覺皮層編碼聽覺認知的新機制

文章出處:【微信號:AItists,微信公眾號:人工智能學家】歡迎添加關注!文章轉載請注明出處。

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

    相關推薦
    熱點推薦

    液態(tài)神經(jīng)網(wǎng)絡(LNN):時間連續(xù)性與動態(tài)適應性的神經(jīng)網(wǎng)絡

    神經(jīng)元,但卻能產(chǎn)生復雜的行為。受此啟發(fā),與傳統(tǒng)的神經(jīng)網(wǎng)絡相比,LNN旨在通過模擬大腦中神經(jīng)元之間的動態(tài)連接來處理信息,這種網(wǎng)絡能夠順序處理數(shù)據(jù),并且保留了對過去輸
    的頭像 發(fā)表于 09-28 10:03 ?293次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)</b>網(wǎng)絡(LNN):時間連續(xù)性與<b class='flag-5'>動態(tài)</b>適應性的<b class='flag-5'>神經(jīng)</b>網(wǎng)絡

    時域干涉電刺激tTIS可持續(xù)增強運動皮層活動?

    HUIYING初級運動皮層(M1)自發(fā)神經(jīng)活動概述定義:初級運動皮層(圖1)自發(fā)神經(jīng)活動指的是在沒有外部任務或刺激的情況下,大腦神經(jīng)元的自發(fā)
    的頭像 發(fā)表于 09-22 18:04 ?264次閱讀
    時域干涉電刺激tTIS可持續(xù)增強運動<b class='flag-5'>皮層</b>活動?

    【「AI芯片:科技探索與AGI愿景」閱讀體驗】+神經(jīng)形態(tài)計算、類腦芯片

    。是實現(xiàn)類腦芯片的基本模型。SNN中的神經(jīng)元通過短的電脈沖相互溝通,脈沖之間的時間間隔起著重要作用。 最有利于硬件實現(xiàn)的脈沖神經(jīng)元模型是“漏電整合-激發(fā)”模型: 與DNN相比,SNN的
    發(fā)表于 09-17 16:43

    絕對值光柵編碼器:工業(yè)精密控制的“數(shù)字神經(jīng)元

    的“數(shù)字神經(jīng)元”,正以毫米級甚至微米級的定位能力,重新定義精密制造的邊界。 突破傳統(tǒng):從“相對計數(shù)”“絕對定位”的革命 傳統(tǒng)增量式編碼器通過脈沖計數(shù)實現(xiàn)位置反饋,但存在致命缺陷:斷電后需重新校準零點,抗干擾能力
    的頭像 發(fā)表于 08-19 08:41 ?354次閱讀
    絕對值光柵編碼器:工業(yè)精密控制的“數(shù)字<b class='flag-5'>神經(jīng)元</b>”

    小鼠糖水偏好實驗系統(tǒng)

    ZH-PH 大小鼠糖水偏好實驗系統(tǒng)實驗介紹: 抑郁癥伴隨多種行為表型,其中一個重要表現(xiàn)是快感缺失(Anhedonia),即個體無法從獎勵或愉快的活動中體驗快樂。在動物模型實驗中,通常用糖水偏好實驗
    發(fā)表于 08-14 13:40

    新一代神經(jīng)擬態(tài)類腦計算機“悟空”發(fā)布,神經(jīng)元數(shù)量超20億

    電子發(fā)燒友網(wǎng)綜合報道 8月2日,浙江大學腦機智能全國重點實驗室發(fā)布新一代神經(jīng)擬態(tài)類腦計算機——Darwin Monkey(中文名“悟空”)。 ? “悟空”堪稱國際首臺神經(jīng)元規(guī)模超20億、基于專用神經(jīng)
    的頭像 發(fā)表于 08-06 07:57 ?7057次閱讀
    新一代<b class='flag-5'>神經(jīng)</b>擬態(tài)類腦計算機“悟空”發(fā)布,<b class='flag-5'>神經(jīng)元</b>數(shù)量超20億

    無刷直流電機單神經(jīng)元自適應智能控制系統(tǒng)

    摘要:針對無刷直流電機(BLDCM)設計了一種可在線學習的單神經(jīng)元自適應比例-積分-微分(PID)智能控制器,通過有監(jiān)督的 Hebb學習規(guī)則調(diào)整權值,每次采樣根據(jù)反饋誤差對神經(jīng)元權值進行調(diào)整,以實現(xiàn)
    發(fā)表于 06-26 13:36

    無刷直流電機單神經(jīng)元PI控制器的設計

    摘要:研究了一種基于專家系統(tǒng)的單神經(jīng)元PI控制器,并將其應用于無刷直流電機調(diào)速系統(tǒng)中??刂破?b class='flag-5'>實現(xiàn)了PI參數(shù)的在線調(diào)整,在具有PID控制器良好動態(tài)性能的同時,減少微分項對系統(tǒng)穩(wěn)態(tài)運行時的影響,并較好
    發(fā)表于 06-26 13:34

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

    多腦區(qū)協(xié)同的睡眠啟動機制睡眠的啟動依賴于皮層皮層結構動態(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 ?966次閱讀
    經(jīng)顱電刺激適應癥系列之tACS調(diào)節(jié)睡眠

    BP神經(jīng)網(wǎng)絡的網(wǎng)絡結構設計原則

    ,僅作為數(shù)據(jù)輸入的接口。輸入層的神經(jīng)元個數(shù)通常與輸入數(shù)據(jù)的特征數(shù)量相對應。 隱藏層 :對輸入信號進行非線性變換,是神經(jīng)網(wǎng)絡的核心部分,負責學習輸入與輸出之間的復雜映射關系。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 ?1039次閱讀

    BP神經(jīng)網(wǎng)絡的實現(xiàn)步驟詳解

    BP神經(jīng)網(wǎng)絡的實現(xiàn)步驟主要包括以下幾個階段:網(wǎng)絡初始化、前向傳播、誤差計算、反向傳播和權重更新。以下是對這些步驟的詳細解釋: 一、網(wǎng)絡初始化 確定網(wǎng)絡結構 : 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 ?939次閱讀

    深度學習入門:簡單神經(jīng)網(wǎng)絡的構建與實現(xiàn)

    深度學習中,神經(jīng)網(wǎng)絡是核心模型。今天我們用 Python 和 NumPy 構建一個簡單的神經(jīng)網(wǎng)絡。 神經(jīng)網(wǎng)絡由多個神經(jīng)元組成,神經(jīng)元之間通過
    的頭像 發(fā)表于 01-23 13:52 ?709次閱讀

    卷積神經(jīng)網(wǎng)絡與傳統(tǒng)神經(jīng)網(wǎng)絡的比較

    神經(jīng)網(wǎng)絡,也稱為全連接神經(jīng)網(wǎng)絡(Fully Connected Neural Networks,F(xiàn)CNs),其特點是每一層的每個神經(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 ?2247次閱讀

    LSTM神經(jīng)網(wǎng)絡的結構與工作機制

    網(wǎng)絡的結構與工作機制的介紹: 一、LSTM神經(jīng)網(wǎng)絡的結構 LSTM神經(jīng)網(wǎng)絡的結構主要包括以下幾個部分: 記憶單元(Memory Cell)
    的頭像 發(fā)表于 11-13 10:05 ?1981次閱讀

    關于卷積神經(jīng)網(wǎng)絡,這些概念你厘清了么~

    轉換成一個很長的一維向量。轉換是在所謂的壓平層中完成的,隨后是一個或兩個全連接層。全連接層的神經(jīng)元類似于圖2所示的結構。神經(jīng)網(wǎng)絡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