实体
MEG-MASC
MEG-MASC
PulseAugur coverage of MEG-MASC — every cluster mentioning MEG-MASC across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的基于MEG的语音解码模型识别关键神经驱动因素
研究人员开发了一种新的方法，使用深度网络从脑磁图（MEG）记录中解码感知语音。这种改进的架构将模型权重映射到特定的脑区，并识别出沉默、声音强度和元音等关键语音特征作为检索的关键驱动因素。研究还发现，连贯的叙事语音比随机单词列表携带更多的可恢复信息，并且目标音频嵌入可以显著减少而不影响准确性。
-
新AI模型以改进的可解释性从大脑活动中解码语音
研究人员开发了一种更具可解释性的深度学习模型，用于从脑磁图（MEG）记录中解码感知语音。这个新模型比以前的版本小约20倍，在MEG-MASC数据集上实现了39.75%的Top-1准确率。通过重新设计模型架构并采用源映射和输入干预，研究人员确定了诸如静音、声音强度、元音和声学起始等特定语音特征是检索的关键驱动因素。
-
研究发现：语言模型可预测理解过程中的神经活动
一项新的研究论文探讨了如何利用语言模型来预测自然语言理解过程中的神经活动。该研究分析了来自Brain Treebank、MEG-MASC和Podcast ECoG等多个来源的数据，并使用了八个冻结的语言模型。研究结果表明，语言模型衍生的特征可用于标注神经活动，且相当一部分分析达到了预测标准。该研究区分了语言模型的预测效用与关于共享神经组织或特定语言处理计算的论断。