新研究：深部脑刺激法可在睡眠中增强记忆

-loading-

听音频 🔊 . 看视频 🎦

... 2023-06-11 18:40 .. 大脑中的记忆能够得到持久巩固。
    深部脑刺激法是治疗帕金森病等神经疾病的重要方法之一，即把电极植入脑中特定的神经区域，再外接电池给予刺激，以改善脑细胞的功能。
    新研究由美国加州大学洛杉矶分校和以色列特拉维夫大学等机构的研究人员合作完成。
    研究人员在18名癫痫患者脑中植入电极，研究睡眠期间深部脑刺激法的作用。
    研究报告说，睡眠期间深部脑刺激法可改善大脑中负责获取新记忆的海马体和负责长期存储记忆的额叶皮层之间的交流。
    监测睡眠期间海马体活动发现，这一疗法能够精确、定时将电刺激传递到额叶皮层。
    通过对接受和不接受深部脑刺激法两组受试者的比对性测试发现，睡眠期间深部脑刺激法能够显著改善受试者记忆的准确性。
    研究人员还监测了这一方法以单个神经元为单位对大脑活动的影响，结果发现，在睡眠期间开展精准刺激有助于加强海马体和额叶皮层之间的交流。
    他们认为，作为特殊的干预式刺激疗法，深部脑刺激法 .. UfqiNews ↓ 17

... 10-11 15:17 , 217 , 221 ..
5 循环神经网络循环神经网络也被称为时间递归神经网络（Recurrent neural network）在前面讨论的卷积神经网络，无法利用历史数据的时间依赖关系，来分析数据特征，对于二维图像来讲，我们已经知道局部感受视野这种空间信息是识别问题的核心，在另外一些与时间相关的问题中，输入的数据是基于时间的序列，卷积网络就无能为力了.
    这时候，核心问题是需要了解数据的时间序列关系，实际上，RNN最早是由Hopfiled网络启发变种而来，因此有些类似Hopfiled的联想记忆功能.例如，如果我们试图预测一下“天空飞过一只__”这句话最后一个词是什么？利用前面输入的一连串的历史信息：“天空飞过一只”，我们就能大致猜出最后一个词可能是某种具有飞行功能的事物，历史(时间信息)对于我们推测未来，是极有帮助的，不可轻易抛弃.
    而RNN的核心诉求之一，就是能将以往的信息连接到当前任务之中.
    RNN模型有比较多的变种，一种主流的RNN模型结构如 ... 理解计算：从根号2到AlphaGo -23: 第8季深度学习发展简史-4 ⟶

... 10-11 14:54 , 214 , 218 ..
1 引子在本系列的2，3，4季中，我们分别介绍了神经网络的生物学背景，最早的关于神经元的数学模型，以及具有学习功能的感知机.
    我们现在已经知道，如何学习神经网络的参数是最为关键的问题，这个问题从宏观上看实际上跟求解2的平方根并没有本质不同，即需要一个迭代过程(梯度下降)不断更新模型的参数.
    在一个著名的Adaline模型(第4季)的基础上，我们首次看到了激活函数、代价函数，梯度(导数)这些概念在求解模型参数中的核心作用，梯度下降法首次被运用到神经元模型中.
    接下来的第5季则专门介绍了导数的概念以及求解方法.
    逆向求导由于其极高的性能，看起来极具吸引力.
    从现在的眼光来看，在上个世纪80年代的时候，所有的基础几乎已经准备妥当，只是在等一个适当的机会，一些零星的在当时并不那么惹眼的研究，逐渐将神经网络以一种更加高大上外表包裹起来，深度学习开始了它的统治时代.
    本主要介绍从神经网络到深度学习发 ... 理解计算：从根号2到AlphaGo -20: 第8季深度学习发展简史 ⟶