实体
magnetoencephalography
magnetoencephalography
PulseAugur coverage of magnetoencephalography — every cluster mentioning magnetoencephalography across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的香农可观测量框架有助于神经网络中的信息分解
研究人员引入了一个名为“香农可观测量”的新框架，以更好地理解包括生物和人工神经网络在内的复杂系统如何处理信息。该方法使用香农熵来创建可扩展的度量，可以分析高阶信息处理，克服了现有多元度量的局限性。该框架已证明在分析纠错码、分类器和自编码器等深度学习模型，甚至脑磁图记录的人类大脑活动方面具有通用性，揭示了不同的信息传输模式。
-
新方法利用fMRI和MEG从脑部记录中解码感知语音
研究人员开发了一种名为“主体不变跨模态感知语音解码”（SICMD）的新方法，该方法整合了功能磁共振成像（fMRI）和脑磁图（MEG），以从脑部记录中解码感知语音。该方法旨在克服提取丰富神经信息和实现跨主体泛化的挑战。据报道，与基线方法相比，SICMD方法将解码准确率提高了10%以上，同时显著降低了训练成本。
-
脑语解码模型使用MEG达到39%的词错误率
研究人员开发了Brain2Qwerty v2，这是一种能够使用脑磁图（MEG）从非侵入性脑部记录中解码自然语句的新型模型。该模型通过分析九名受试者在10小时内输入的22,000个句子，实现了39%的平均词错误率。这项由深度学习和大型语言模型驱动的进展表明，非侵入性脑语解码正接近以前只有手术植入物才能达到的准确性水平，并且随着数据量的增加，性能有望进一步提高。