بازسازی صحنه های فیلم مشاهده شده توسط فرد با پردازش فعالیت های ناحیه ی بینایی مغز
آیا میتوان یک روز رویاها و خواب ها را با این تکنولوژی ضبط کرد و به صورت فیلم بازیابی کرد؟!
UC Berkeley researchers have succeeded in #decoding and #reconstructing people's dynamic #visual experiences.

The #brain activity recorded while subjects viewed a set of film clips was used to create a computer program that learned to associate visual patterns in the movie with the corresponding brain activity. The brain activity evoked by a second set of clips was used to test the movie reconstruction algorithm. This was done by feeding 18 million seconds of random YouTube videos into the computer program so that it could predict the brain activity that each film clip would most likely evoke in each subject. Using the new computer model, researchers were able to decode brain signals generated by the films and then reconstruct those moving images.

Eventually, practical applications of the technology could include a better understanding of what goes on in the minds of people who cannot communicate verbally, such as stroke victims, coma patients and people with neurodegenerative diseases. It may also lay the groundwork for brain-machine devices that would allow people with cerebral palsy or paralysis, for example, to guide computers with their minds.

The lead author of the study, published in Current Biology on September 22, 2011, is Shinji Nishimoto, a post-doctoral researcher in the laboratory of Professor Jack Gallant, neursoscientist and coauthor of the study. Other coauthors include Thomas Naselaris with UC Berkeley's Helen Wills #Neuroscience Institute, An T. Vu with UC Berkeley's Joint Graduate Group in Bioengineering, and Yuval Benjamini and Professor Bin Yu with the UC Berkeley Department of Statistics.
more:
http://news.berkeley.edu/2011/09/22/brain-movies/

#مقاله جدید Google Deepmind :
Understanding deep learning through neuron deletion
Pic: https://bit.ly/2pHgwbK
یکی از راه هایی که دانشمندان هم در نوروساینس برای شناخت سیستم استفاده میکنند بررسی نورون های قابل تفسیر یا selective به یک شی یا چیز خاص است.

این نوع مطالعه در یادگیری عمیق و شبکه های عصبی نیز رایج است و برای اینکه دید جعبه سیاه و گنگ نسبت به یک شبکه عمیق آموزش دیده شده را کم کنیم مهم است که شبکه را بهتر بشناسیم. همان طور که اشاره شد یکی از روشها بررسی این است که هر نورون چه قدر در عملکرد شبکه تاثیر دارد.

در این تحقیق نشان داده شده که:

۱- نورون هایی که برای ما قابل تفسیرند(مثل نورونی که به چهره گربه حساس هستند) به هیچ عنوان از نورونهایی که برای ما قابل تفسیر نیستند مهمتر نیستند و حذف هر کدام از نورونهای قابل تفسیر و غیر قابل تفسیر تاثیر یکسانی روی افت کارایی عملکرد شبکه دارد.

۲- شبکه هایی که دیتا را حفظ نکرند و راحت روی دیتایی که در فرآیند آموزش ندیده اند میتوانند عمومیت بخشی کنند به حذف تک تک نورونها کمتر حساس هستند تا شبکه هایی که دیتای آموزشی را حفظ کرده اند.

https://deepmind.com/blog/understanding-deep-learning-through-neuron-deletion/

#neuroscience #deep_learning
#deepmind #selective

Neuronal correlates of a perceptual decision,
the fig shows the responses of a directional selective MT neuron, at three different motion correlations spanning the physiological threshold in the task.
(task: directional or nondirectional balls.)
with a correlation of 12.8%, the neuron choices were barely overlapped and performed nearly perfect.
ارتباط میان همبستگی توپ های موجود در تسک و پاسخ نرون تصمیم گیرنده ی جهت را میبینید.
با آستانه ی ۱۲.۸ درصد همبستگی میان توپ ها، نورون در ۸۲ درصد حالات انتخاب صحیحی داشته است و همچنین اسپایک های قوی تری داشته است.
paper: https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=7&cad=rja&uact=8&ved=2ahUKEwjF5viKvcHlAhXjx4UKHd67AYgQFjAGegQICBAH&url=https%3A%2F%2Fmonkeybiz.stanford.edu%2FMovshon-1.pdf&usg=AOvVaw0_r4zCY6LwUQdpbv0407xv

#neuroscience
#cognitive
#human_brain

سلام.
از امروز به مدت 10 روز پست هایی در رابطه با نوروساینس با هشتگ #neuroscience نیز در کانال قرار خواهد گرفت.
پس از این بازه آزمایشی رای گیری در کانال صورت خواهد گرفت که این روال ادامه پیدا کند یا خیر و همانند قبلا صرفا تخصصی به زمینه هوش مصنوعی، یادگیری عمیق پرداخته شود...

صفحه ۹۹ کتاب شناخت اعصاب استرنبرگ یک نکته ی جالب داره و آن هم اینکه در جایی اش عنوان میکنه که برخی پردازش های فعال اطلاعات حسی، اطلاعات به یاد سپرده شدن و اطلاعات شناختی، ناشی از توجه است و بدون اینکه از آن ها آگاهی هشیار داشته باشیم انجام میشود.
مثال آن هم نوشتن اسمتون است که توجه دارید ولی داخل هشیاری شما وارد نشده، در واقع پردازش اسمتون و نوشتن آن توسط توجه و خارج از آگاهی شما انجام میشود و در حین این کار ممکن است کاملا غیر هشیار باشید.
#neuroscience
#cognitive
#human_brain

The meaning of spikes from the neuron’s point of view.
NCBI presents:
https://www.google.com/url?sa=t&source=web&rct=j&url=https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4010728/&ved=2ahUKEwiWw5j-p8flAhUSrVkKHYb8DfwQFjAAegQIBRAC&usg=AOvVaw3fTEYJaU8LjDQPjYS3rIM0
اسپایک چیست،
اسپایک تو عصب به شلیک کردن نورون اطلاق میشه. مثلا در نورونهای حسی وقتی تحریک از آستانه حسی بالاتر میره نورون شلیک می کنه (اسپایک اتفاق می افته) و یا در نورونهای ارتباطی زمانی که میزان تحریک در سیناپسها از میزان آستانه بالاتر بره (معمولا -65 میلی ولت) شلیک یا همون اسپایک اتفاق می افتد.
نکته مهم این است که در سیستم های عصبی شلیک یک نورون معنی ندارد، هر نورون سیناپسهای زیادی داره (حتی تا ده هزار سیناپس هم شناسایی شده) بنابراین وقتی یک نورون شلیک کنه عملا یک شبکه پیچیده از نورونها هستند که درحال شلیک هستند.
#neuroscience
#cognitive
#human_brain
#elementary

مطلب زیر درباره مطالب مقدماتی کاربرد تئوری گراف در بازنمایی چرخش اطلاعات در مغز میباشد
در شکل بالا مشاهده میشود که الکترودها/منابع مغزی/ واکسل های اکتیو میتوانند بعنوان راس یا node گراف گرفته شوند. مقادیر کمی توصیفهای محاسبه شده بصورت ماتریس بین نواحی connectivity که می تواند یک طرفه یا دوطرفه باشد(ماتریس متقارن یا غیر متقارن) نوشته میشود و سپس ماتریس تبدیل به یالهای link گراف میشود. برای جلوگیری از شلوغ شدن شکل روی مقادیر ماتریس استانه گذاری threshold گذاشته میشود
https://sapienlabs.org/graph-theory-in-eeg/
#cognitive
#neuroscience
#human_brain
#advanced

Journal of Neuroscience:
🧠How Alzheimer's disease spreads through the brain - Neuroscience News
https://neurosciencenews.com/alzheimers-brain-spread-15136/
بیماری آلزایمر یک بیماری پیشرونده است که با رسوب پروتیین تائو بین نورون های عصبی، پس از مدتی باعث از بین رفتن نورون میشود.
تحقیقات این مقاله نشان داده که خود پروتیین باعث از بین رفتن نورون ها نشده و این فرایند های خود نورون است که باعث مرگ نورون های اعصاب میشود.
#neuroscience
#cognitive
#human_brain
#Alzheimer_disease

Networks in cognitive science
Networks of interconnected nodes have long played a key role in cognitive science, from artificial neural networks to spreading activation models of semantic memory; we review recent contributions of network theory at different levels and domains within the cognitive sciences.
بررسی نقاط ضعف و قوت تئوری شبکه های مپینگ که اخیرا مورد توجه قرار گرفته اند.
در این مقاله پنج شبکه ی معروف و برتر در زمینه networking مغز معرفی و هریک با جزییات مورد مطالعه قرار گرفته اند.

https://arxiv.org/pdf/1304.6736.pdf
#Neuroscience #cognitive
#human_brain #advanced

یاداوری:
این پست در حدود 10 روز پیش نقطه شروع مدت آزمایشی بود: https://t.me/cvision/1471

که در این مدت پست هایی با هشتگ #neuroscience در همین رابطه قرار داده شد...

Detecting Diminishing Dopamine Firing Cells in Brain Could Reveal Earliest Signs of Alzheimer's - Neuroscience News
http://neurosciencenews.com/alzheimers-dopamine-neuron-8698/

#cognitive #advanced #Neuroscience

Adjusting and trigger tasks for #working_memory, analyzing response time, workflow, and noises of the dataset.
https://www.researchgate.net/publication/44689778_Working-Memory-Triggered_Dynamic_Adjustments_in_Cognitive_Control
#cognitive
#NeuroScience

مقاله‌ی بسیار مفید برای بررسی تفاوت‌های بازشناسی اشیا در مغز و شبکه‌های عصبی فیت فوروارد،‌ معرفی MIRC و بررسی حساسیت‌های آن.
https://www.pnas.org/content/113/10/2744
#cognitive
#neuroscience