default mode network
PulseAugur coverage of default mode network — every cluster mentioning default mode network across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的贝叶斯框架量化fMRI连接不确定性
研究人员开发了一个新的贝叶斯框架来量化fMRI功能连接数据中的不确定性。该框架使用耦合的Ornstein-Uhlenbeck过程对BOLD动力学进行建模，并采用顺序神经网络后验估计来解释扫描仪噪声和真实的神经变异性。研究结果为优化fMRI扫描持续时间和空间分辨率提供了指导，表明像7T这样的更高场强扫描仪可以在显著更短的时间内实现与3T扫描仪相当的精度。
-
人工智能、运动与思维清晰度：探索认知催化剂
此系列帖子探讨了体育锻炼、心理健康与人工智能的交叉点。作者讨论了运动如何充当认知催化剂，帮助提高思维清晰度和韧性，并触及了在混乱中重拾认知焦点所需的“战略性宁静”概念。这些帖子还引用了神经可塑性和默认模式网络的研究，暗示了人工智能在编排转变和审议中的作用。
-
Mastodon 帖子广泛讨论 AI 的影响 · 追踪 10 个来源
Mastodon 上的多个帖子讨论了 AI 的多方面作用，涉及其在太空探索和保护等领域推动进步的潜力、在复杂编码问题中的应用，以及其对全球地缘政治和数字不平等的影响。讨论还探讨了 AI 与认知科学、个人能量管理以及其开发和治理的伦理考量的联系。其中一个帖子特别强调了美国和中国在 AI 发展方面的地缘政治紧张局势，美国主张盟友选边站，而中国则提倡建立一个开放权重联盟。
-
大型语言模型在创造性思维中展现出与人脑的对齐
一项发表在arXiv上的新研究探讨了在创造性思维任务中，大型语言模型（LLMs）与人脑的对齐情况。研究人员使用了参与者执行“替代用途测试”（AUT）时的功能性磁共振成像（fMRI）数据，并分析了不同规模LLMs的表征。研究发现，大脑-LLM的对齐程度与模型规模以及生成想法的原创性呈正相关，尤其是在创造过程的早期阶段。此外，研究表明训练后目标会影响这种对齐，与针对创造性优化的模型相比，经过推理训练的变体展现出不同的模式。
-
Krakencoder 分析揭示大脑连接组中细微的性别差异
一项发表在 arXiv 上的新研究使用 Krakencoder 框架分析了大脑连接组中基于性别的差异。研究人员检查了来自人类连接组计划 702 名参与者的结构和功能连接组，评估了移除个体 Yeo-7 功能网络的影响。默认模式网络引起了最大的扰动，而体感运动网络的影响最小。虽然预测连接组中的性别特异性信息很微妙，但与单独的扰动衍生特征（66.09% 的准确率）相比，完整的预测连接组保留了显著更多的性别区分信息（准确率高达 84.76%）。
-
Beta-TCVAE 模型适用于非线性 fMRI 数据分析
研究人员已将 $\beta$-TCVAE 模型应用于分析非线性 fMRI 数据，旨在分离复杂的脑信号。该方法通过直接从神经影像数据中学习有意义的潜在表示，超越了传统的线性方法。研究表明，改进后的 $\beta$-TCVAE 可以识别生物学相关成分，如默认模式网络，并揭示连贯的大脑组织模式。