CCAI 2020 | 吴思—经典论文工作推荐

只谈情不闲聊 提交于 2020-08-14 07:29:49

  

CCAI 2020年8月29日-30日

  2020年中国人工智能大会(Chinese Congress on Artificial Intelligence 2020,简称“CCAI 2020”)将于8月29日-30日在南京召开。CCAI 2020以“智周万物”为主题,探讨人工智能作为引领未来的战略性技术,如何以周知万物的学术境界赋能未来,带动时代发展,实现互联世界的远大理想。

  北京大学信息科学技术学院教授,麦戈文脑科学所研究员吴思将出席本次大会并担任《人与机器智能专题论坛》论坛主席。

  吴思:北大-清华生命科学联合中心研究员。研究方向是计算神经科学和类脑计算,发表论文上百篇,包括大量神经科学顶级期刊和人工智能顶级会议。Frontiers in Computational Neuroscience共同主编。

  

  01

  

  Decentralized Multisensory Information Integration in Neural Systems

  论文地址:

  https://www.jneurosci.org/content/jneuro/36/2/532.full.pdf

  介绍:如何将多种感觉线索整合到神经回路中仍然是一个挑战。普遍的假设是,信息集成可能会在专用的多感觉集成区域中完成,该区域从多种感觉模式接收前馈输入。但是,最近的实验证据表明,它不是单个的多感觉大脑区域,而是许多同时参与信息集成的多感觉大脑区域。为什么需要许多相互连接的区域来进行信息集成令人困惑。在这里,我们从理论上研究了如何在互连的多传感器区域网络内以分布式方式实现信息集成。使用生物学上现实的神经网络模型,我们开发了一个分散的信息集成系统,该系统包含多个互连的集成区域。通过研究结合视觉和前庭提示来推断运动方向的示例,我们表明这种分散的系统与解剖学证据和实验观察结果非常吻合。特别是,我们证明了这种分散的系统可以最佳地集成信息。分散系统预测,最佳整合信息应从大脑区域之间的交流动态中局部出现,并为多感觉大脑区域之间的连通性解释提供新的思路。

  02

  

  Perisaccadic Receptive Field Expansion in the Lateral Intraparietal Area

  论文地址:

  https://www.sciencedirect.com/science/article/pii/S0896627316001720

  介绍:尽管眼睛不停地移动,但人类和猴子仍然可以准确地看到视觉空间。大脑完成此操作的一种机制是在扫视期间重新映射视觉感受野。在此过程中,神经元可以通过当前接受域中的探针刺激来激发,同时也可以通过扫视(甚至在扫视之前)将被扫视带入神经元接受域的位置中的探针刺激来激发。在这里,我们表明筋膜周围神经元的兴奋性不仅限于当前和将来的感受野,还涵盖了整个视空间区域,当前的感受野将被扫视扫过。计算模型表明,随着扫视计划和重新映射的进行,这种感受野的扩展与活动波在大脑皮层中的传播相一致。

  03

  

  Spike Frequency Adaptation Implements Anticipative Tracking in Continuous Attractor Neural Networks

  论文地址:

  https://papers.nips.cc/paper/5623-spike-frequency-adaptation-implements-anticipative-tracking-in-continuous-attractor-neural-networks.pdf

  介绍:为了提取运动信息,大脑需要补偿神经信号传输和处理中普遍存在的时间延迟。在这里,我们提出了一种简单而有效的机制来在神经系统中实施预期跟踪。所提出的机制利用了尖峰频率适应(SFA)的特性,这种特性在神经元反应中被广泛观察到。我们采用连续吸引神经网络(CANNs)作为模型来描述神经系统中的跟踪行为。结合SFA后,CANN展现出固有的移动性,这由CANN保持自持行波的能力体现出来。在跟踪移动刺激时,外部驱动器与网络固有移动性之间的相互作用决定了跟踪性能。有趣的是,我们发现预期机制与行波固有速度超过外部驱动器固有速度的机制有效地重合。根据SFA幅度,网络可以实现完美的跟踪(对输入零延迟),或者实现理想的跟踪(对输入保持恒定的提前时间)。我们的模型成功地再现了实验观察到的预期跟踪行为,并阐明了我们对大脑如何及时处理运动信息的理解。

  04

  

  A Synaptical Story of Persistent Activity with Graded Lifetime in a Neural System

  论文地址:

  https://papers.nips.cc/paper/5405-a-synaptical-story-of-persistent-activity-with-graded-lifetime-in-a-neural-system.pdf

  介绍:持续活动是指,即使在触发初始神经元反应的刺激移除后,皮质神经元仍会继续放电的现象。持久性活动被广泛认为是保留刺激信息记忆痕迹的神经系统的基础。在传统的观点中,持续的活动被视为网络动态的吸引子,但是它面临着如何正确关闭的挑战。在这里,与吸引子的观点相反,我们认为刺激信息是在网络的边际不稳定状态下编码的,网络处于非常缓慢的衰减状态,并表现出持续的发射时间。我们提出了一个简单而有效的机制来实现这一目标,它利用了神经突触的短期可塑性(STP)的特性。STP有两种形式,短期抑制(STD)和短期促进(STF),它们在保留神经元反应方面有相反的作用。我们发现通过适当地组合STF和STD,神经系统可以保持具有分级寿命的持久性活动,并且该持久性活动会自然消失,而无需依赖外部驱动器。本文讨论了这些结果对神经信息表示的影响。

  05

  

  Long-period rhythmic synchronous firing in a scale-free network

  论文地址:

  https://www.pnas.org/content/pnas/110/50/E4931.full.pdf

  介绍:刺激信息被编码在神经系统外部输入的时空结构中。提取输入的时间信息的能力是大脑功能的基础。已经发现,神经系统可以以秒为单位存储视觉输入的时间间隔。在这里,我们探究仅大型神经回路的固有动力学是否可以实现此目标。我们考虑的网络模型具有无标度拓扑,并且枢纽神经元难以激活。后者可通过在神经元之间包含大量的电突触或考虑化学突触来实现,其功效随突触后神经元的连通性而降低。我们发现,中枢神经元触发整个网络的同步触发,由低度神经元形成的环路决定了同步触发的节律,而兴奋性中枢神经元的硬度避免了网络的癫痫触发。我们的模型成功地重现了实验观察到的长周期节律同步发射,并支持了神经系统可以通过局部电路的动力学以分布式方式处理时间信息的观点。

易学教程内所有资源均来自网络或用户发布的内容,如有违反法律规定的内容欢迎反馈
该文章没有解决你所遇到的问题?点击提问,说说你的问题,让更多的人一起探讨吧!