一区二区三区三上|欧美在线视频五区|国产午夜无码在线观看视频|亚洲国产裸体网站|无码成年人影视|亚洲AV亚洲AV|成人开心激情五月|欧美性爱内射视频|超碰人人干人人上|一区二区无码三区亚洲人区久久精品

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)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(huì)員中心
創(chuàng)作中心

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

3天內(nèi)不再提示

神經(jīng)網(wǎng)絡(luò)借助腦磁波,知道你在「猶豫不定」

MqC7_CAAI_1981 ? 來(lái)源:未知 ? 作者:伍文輝 ? 2018-03-28 14:06 ? 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

人工神經(jīng)網(wǎng)絡(luò),近來(lái)成為了越來(lái)越強(qiáng)大的工具。

數(shù)據(jù)分析、社會(huì)科學(xué)、機(jī)器人、腦科學(xué)的分類、預(yù)測(cè)、模式識(shí)別都開始離不開神經(jīng)網(wǎng)絡(luò)。

薩拉托夫國(guó)立技術(shù)大學(xué)研究團(tuán)隊(duì)搭建了一個(gè)神經(jīng)網(wǎng)絡(luò)用來(lái)檢測(cè)人類遲疑不決的狀態(tài)。

在神經(jīng)生物學(xué)里,這個(gè)神經(jīng)網(wǎng)絡(luò)可以分類神經(jīng)元發(fā)出的信號(hào),以及檢測(cè)出腦相關(guān)的病理活動(dòng),比方說(shuō)癲癇,還有神經(jīng)退化性疾病,帕金森和老年癡呆等。

“不過(guò),雖然說(shuō)神經(jīng)網(wǎng)絡(luò)已經(jīng)在模式識(shí)別和分類上已經(jīng)有很出色的表現(xiàn),但是要把神經(jīng)元的信號(hào)區(qū)分出來(lái)還需要做更多的工作,特別是在人猶豫不決的情況下。”科學(xué)出版物 CHAOS 報(bào)道。

在這個(gè)研究里,研究團(tuán)隊(duì)會(huì)對(duì)被試進(jìn)行雙穩(wěn)態(tài)視覺刺激(bistable visual stimuli),人工神經(jīng)網(wǎng)絡(luò)可以借助腦磁波,把被試精確地按敏感程度劃分出猶豫的程度。

△雙穩(wěn)態(tài)視覺刺激:給被試看到有歧義的圖片。

“這樣一來(lái),我們就可以‘看穿’人腦了。知道人在做決定的時(shí)候有沒(méi)有處于這種不確定性的心態(tài)?!?a target="_blank">人工智能科學(xué)與教育中心主任兼神經(jīng)科技教授Alexander Khramov說(shuō)。

更厲害的是,這個(gè)網(wǎng)絡(luò)還能以準(zhǔn)確地測(cè)出一個(gè)人猶豫的時(shí)長(zhǎng)。

以往,用頻率時(shí)間分析等傳統(tǒng)的方法去確認(rèn)大腦內(nèi)部的活動(dòng)是極其困難的。但是有了神經(jīng)網(wǎng)絡(luò)之后,它能夠看到人類還無(wú)法理解的不明顯的信號(hào)特征。

這個(gè)研究工作,可以幫助研究人員創(chuàng)造一個(gè)在做復(fù)雜決策時(shí)也能夠停下來(lái)思考的智能體。當(dāng)遇到復(fù)雜環(huán)境的時(shí)候,可以進(jìn)入等待狀態(tài),并搜集更多的信息。

等以后機(jī)器人去外太空?qǐng)?zhí)行任務(wù)的時(shí)候,比方說(shuō)在火星上遇到了不知道咋辦的環(huán)境條件時(shí),需要請(qǐng)求地球上人類的幫助,由人類完成一些復(fù)雜的操作。那這個(gè)時(shí)候,即使識(shí)別出機(jī)器人的猶豫,向地球發(fā)送求助指令就很重要。

另外,這個(gè)神經(jīng)網(wǎng)絡(luò)也可以在測(cè)試和訓(xùn)練人的認(rèn)知能力的過(guò)程中用到。

像是飛行員、司機(jī)、營(yíng)救專家、軍人或運(yùn)動(dòng)員等很多高壓職業(yè),他們的工作環(huán)境里很多關(guān)鍵決策是不能等的。那么當(dāng)這個(gè)神經(jīng)網(wǎng)絡(luò)識(shí)別到人處于猶豫狀態(tài)的時(shí)候,就可以馬上向外界請(qǐng)求支持或由更高的系統(tǒng)接管,減少災(zāi)難的發(fā)生。

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(chǎng)。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(wèn)題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴

原文標(biāo)題:讀取腦磁波,神經(jīng)網(wǎng)絡(luò)知道你在「猶豫不定」

文章出處:【微信號(hào):CAAI-1981,微信公眾號(hào):中國(guó)人工智能學(xué)會(huì)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)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(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    無(wú)刷電機(jī)小神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過(guò)對(duì)無(wú)刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了一個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來(lái)訓(xùn)練網(wǎng)絡(luò)結(jié)構(gòu)與參數(shù),
    發(fā)表于 06-25 13:06

    神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)電機(jī)故障診斷中的應(yīng)用

    摘要:針對(duì)傳統(tǒng)專家系統(tǒng)不能進(jìn)行自學(xué)習(xí)、自適應(yīng)的問(wèn)題,本文提出了基于種經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的并步電機(jī)故障診斷方法。本文將小神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,充分發(fā)揮了二者故障診斷的優(yōu)點(diǎn),很大程度上降低了對(duì)電機(jī)
    發(fā)表于 06-16 22:09

    PID串級(jí)控制同步發(fā)電機(jī)勵(lì)控制中的應(yīng)用

    對(duì)自并勵(lì)勵(lì)系統(tǒng)進(jìn)行了仿真分析,通過(guò)仿真結(jié)果的對(duì)比分析,說(shuō)明神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)-PID串級(jí)控制勵(lì)控制中的應(yīng)用提高了勛系統(tǒng)的動(dòng)態(tài)性、穩(wěn)定性和抗
    發(fā)表于 06-16 21:56

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

    BP神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)多個(gè)方面存在顯著差異,以下是對(duì)兩者的比較: 一、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) : BP神經(jīng)網(wǎng)絡(luò)是一種多層的前饋
    的頭像 發(fā)表于 02-12 15:53 ?655次閱讀

    什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法

    神經(jīng)網(wǎng)絡(luò)(即反向傳播神經(jīng)網(wǎng)絡(luò))的核心,它建立梯度下降法的基礎(chǔ)上,是一種適合于多層神經(jīng)元網(wǎng)絡(luò)的學(xué)習(xí)算法。該算法通過(guò)計(jì)算每層網(wǎng)絡(luò)的誤差,并將這
    的頭像 發(fā)表于 02-12 15:18 ?760次閱讀

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的關(guān)系

    BP神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)之間存在著密切的關(guān)系,以下是對(duì)它們之間關(guān)系的介紹: 一、BP神經(jīng)網(wǎng)絡(luò)的基本概念 BP神經(jīng)網(wǎng)絡(luò),即反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural N
    的頭像 發(fā)表于 02-12 15:15 ?848次閱讀

    BP神經(jīng)網(wǎng)絡(luò)圖像識(shí)別中的應(yīng)用

    BP神經(jīng)網(wǎng)絡(luò)圖像識(shí)別中發(fā)揮著重要作用,其多層結(jié)構(gòu)使得網(wǎng)絡(luò)能夠?qū)W習(xí)到復(fù)雜的特征表達(dá),適用于處理非線性問(wèn)題。以下是對(duì)BP神經(jīng)網(wǎng)絡(luò)圖像識(shí)別中應(yīng)
    的頭像 發(fā)表于 02-12 15:12 ?661次閱讀

    人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

    在上一篇文章中,我們介紹了傳統(tǒng)機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)和多種算法。本文中,我們會(huì)介紹人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法,供各位老師選擇。 01 人工神經(jīng)網(wǎng)絡(luò) ? 人工
    的頭像 發(fā)表于 01-09 10:24 ?1178次閱讀
    人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

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

    深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識(shí)別、自然語(yǔ)言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)
    的頭像 發(fā)表于 11-15 14:53 ?1854次閱讀

    RNN模型與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的區(qū)別

    神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)領(lǐng)域中的一種強(qiáng)大工具,它們能夠模擬人腦處理信息的方式。隨著技術(shù)的發(fā)展,神經(jīng)網(wǎng)絡(luò)的類型也不斷增加,其中循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和傳統(tǒng)
    的頭像 發(fā)表于 11-15 09:42 ?1122次閱讀

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

    LSTM(Long Short-Term Memory,長(zhǎng)短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),設(shè)計(jì)用于解決長(zhǎng)期依賴問(wèn)題,特別是處理時(shí)間序列數(shù)據(jù)時(shí)表現(xiàn)出色。以下是LSTM神經(jīng)
    的頭像 發(fā)表于 11-13 10:05 ?1624次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的基本原理 如何實(shí)現(xiàn)LSTM神經(jīng)網(wǎng)絡(luò)

    LSTM(長(zhǎng)短期記憶)神經(jīng)網(wǎng)絡(luò)是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),它能夠?qū)W習(xí)長(zhǎng)期依賴信息。處理序列數(shù)據(jù)時(shí),如時(shí)間序列分析、自然語(yǔ)言處理等,LSTM因其能夠有效地捕捉時(shí)間序列中的長(zhǎng)期依賴關(guān)系而受到
    的頭像 發(fā)表于 11-13 09:53 ?1562次閱讀

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

    這個(gè)小型網(wǎng)絡(luò),用于描述網(wǎng)絡(luò)的方程中也具有32個(gè)偏置和32個(gè)權(quán)重。 CIFAR神經(jīng)網(wǎng)絡(luò)是一種廣泛用于圖像識(shí)別的CNN。它主要由兩種類型的層組成:卷積層和池化層,這兩種層分別使用卷積和池化兩種方法,
    發(fā)表于 10-24 13:56

    matlab 神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析

    matlab神經(jīng)網(wǎng)絡(luò) 數(shù)學(xué)建模數(shù)值分析 精通的可以討論下
    發(fā)表于 09-18 15:14

    FPGA深度神經(jīng)網(wǎng)絡(luò)中的應(yīng)用

    隨著人工智能技術(shù)的飛速發(fā)展,深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN)作為其核心算法之一,圖像識(shí)別、語(yǔ)音識(shí)別、自然語(yǔ)言處理等領(lǐng)域取得了顯著成果。然而,傳統(tǒng)的深度神經(jīng)網(wǎng)絡(luò)模型
    的頭像 發(fā)表于 07-24 10:42 ?1194次閱讀