Cognitive Maps of Complex Systems Show Hierarchical Structure and Scale-Free Properties
自然和人造系统中的许多网络都具有无标度特性,是小世界。现在我们证明,人们在认知地图中对复杂系统的理解也遵循无标度拓扑(P_k = k^-lambda,lambda [1.24,3.03]; r^2 <= 0.95)。人们关注的是少数几个属性,如总度概率分布中的厚尾所示。这几个属性与系统中的许多其他变量有关。更多的属性只有很少的连接。尽管人们的平均距离与相同大小和连接密度的随机网络没有差异(Wilcoxon符号秩检验,W=78,p=0.75),但人们的认知地图中的无标度特性还是出现了。与随机网络相比,无标度特性表现在更高的层次结构中(Wilcoxon符号秩检验,W=12,p=0.03)。人们使用相对简短的解释来描述系统。这些发现可能有助于我们更好地了解人们的看法,特别是在决策、解决冲突、政治和管理方面。
2006-12-16 q-bio.NC q-bio.OT
How to build a cognitive map: insights from models of the hippocampal formation
Stanford University(斯坦福大学);University of Oxford(牛津大学);University College London(伦敦大学学院)
学习和解释环境的结构是生物系统的固有特征,并且是指导进化可行性的灵活行为的组成部分。认知地图的概念已经成为这些能力的主要隐喻之一,解开这种地图的学习和神经表征已经成为神经科学的中心焦点。当实验主义者为海马体及其他部位的认知地图的神经基底提供详细的图像时,理论家们一直忙于构建模型,以弥合神经元、计算和行为之间的鸿沟。这些模型可以解释各种已知的表征和神经现象,但通常不仅对认知地图的基本原理,而且对海马和皮层各自的作用提供了不同的理解。在这个角度来看,我们把这些模型中的许多到一个共同的语言,构建认知地图的基本原则,提供新的(重新)解释神经现象,建议如何扩展的原则可以解释前额叶皮层的代表性,最后,推测认知地图在更高的认知能力的作用。
2022-02-03 cs.LG q-bio.NC
Neural Network based Formation of Cognitive Maps of Semantic Spaces and the Emergence of Abstract Concepts
University Erlangen-Nuremberg(埃尔朗根-纽伦堡大学);University Hospital Erlangen(埃尔朗根大学医院)
内嗅复合体在记忆和思维的组织中起着重要作用。通过位置和网格细胞形成和导航任意心理空间的认知地图可以作为记忆和经验及其相互关系的表示。提出了多尺度后继表示作为位置和网格单元计算的数学原理。在这里,我们提出了一个神经网络,它学习基于32种不同的动物物种编码为特征向量的语义空间的认知地图。神经网络成功地学习了不同动物物种之间的相似性,并基于后继表示原理构建了“动物空间”的认知地图,其准确率约为30%,接近理论最大值,因为所有动物物种都有一个以上的可能后继,即特征空间中的最近邻。此外,分层结构,即不同尺度的认知地图,可以基于多尺度后继表示来建模。我们发现,在细粒度的认知地图,动物向量均匀分布在特征空间。相比之下,在粗粒度地图中,动物病媒根据其生物类别(即两栖动物、哺乳动物和昆虫)高度聚类。这可能是解释新的抽象语义概念出现的一种可能机制。最后,即使是全新的或不完整的输入,也可以通过从认知图中插值表示来表示,其精确度高达95%。我们的结论是,后继表示可以作为过去的记忆和经验的加权指针,因此可能是未来机器学习的关键构建块,包括先验知识,并从新的输入中获得上下文知识。
2022-10-28 cs.AI cs.CL q-bio.NC
Conceptual Cognitive Maps Formation with Neural Successor Networks and Word Embeddings
University Erlangen-Nürnberg(埃尔朗根-纽伦堡大学);University Hospital Erlangen(埃尔朗根大学医院)
本文提出结合后继表示、神经网络与词嵌入构建多尺度概念认知地图的模型,使新信息靠近相关已有表征,并有望为AI输入提供多模态上下文信息。
2023-07-04 cs.AI q-bio.NC
Functional brain networks reveal the existence of cognitive reserve and the interplay between network topology and dynamics
我们研究了在健康老年人的记忆任务中,功能性脑网络的组织与认知储备(CR)的关系。我们获得了20名高、低CR水平老年人的脑磁图功能网络,分析其网络特征的差异。我们报告了整个网络的同步和CR之间的负相关性,并观察到在节点和网络层面的差异:平均最短路径和网络外展。具有高CR的个体需要具有较低链接的功能网络来成功地执行记忆任务。这些结果可能表明,那些低CR水平的个体表现出双重模式的补偿和网络损伤,因为他们的功能是更积极的成本高CR组执行任务。此外,我们评估了不同大脑区域的动力学特性与网络参数的相关性,得出熵与强度和聚类系数呈正相关,而复杂性则相反。因此,功能网络的高度连接节点显示出更随机和更不复杂的信号。我们认为,网络方法可能是一个相关的工具,以更好地了解大脑功能老化。
2017-12-01 q-bio.NC
Multi-Modal Cognitive Maps based on Neural Networks trained on Successor Representations
University Erlangen-Nuremberg(埃尔朗根-纽伦堡大学);University Hospital Erlangen(埃尔朗根大学医院)
提出基于successor representations的多模态神经网络,利用图像和词嵌入成功建模认知地图,实现超90%跨模态推断,为AI情境感知与概念落地提供新架构。
2023-12-22 cs.AI cs.LG cs.NE
State-dependent changes of connectivity patterns and functional brain network topology in Autism Spectrum Disorder
解剖学和功能性大脑研究已经汇聚到自闭症谱系障碍(ASD)与非典型连接相关的假设。使用修改后的静息状态范式来驱动受试者的注意力,我们提供了ASD大脑功能连接和认知状态之间非常显着的相互作用的证据。我们表明,随着注意力从外部世界转向身体产生的信息,自闭症谱系障碍和典型患者的功能连接以相反的方式变化。此外,ASD受试者的跨认知状态连接性的改变比典型受试者更显著。利用不同条件下大脑连接的差异,我们对ASD受试者进行了分类,其性能约为80%,而基于任何给定认知状态下的连接模式的分类接近于偶然。前岛和背前扣带皮层之间的连接显示出最高的分类准确性,其强度随ASD严重程度增加。这些结果为基于从精神状态库获得的功能性脑网络的精神病理诊断铺平了道路。
2012-11-20 q-bio.NC
Self-motion as a structural prior for coherent and robust formation of cognitive maps
Donghua University(东华大学);Westlake University(西湖大学);Imperial College London(帝国理工学院);Alibaba Group(阿里巴巴集团);University of Cambridge(剑桥大学)
本研究提出利用自我运动作为结构先验,通过脑启发机制提升认知图形成效,增强空间导航的鲁棒性与准确性。
2025-12-23 cs.NE q-bio.NC
Investigating cognitive ability using action-based models of structural brain networks
网络神经科学的最新发展突出了开发用于分析和建模大脑网络的技术的重要性。研究复杂神经系统的一个特别强大的方法是制定生成模型,该模型使用布线规则来合成与给定连接体的拓扑结构非常相似的网络。成功的模型可以突出网络组织的原则(识别由布线规则产生的结构特征与出现的结构特征),并可能揭示其增长和发展的机制。先前的研究表明,这种模型可以验证空间嵌入和其他(非空间)布线规则在塑造人类连接体网络拓扑结构中的有效性。在这项研究中,我们提出了基于动作的模型的变体,该模型结合了能够解释人类连接体拓扑结构的各种生成因素。我们通过评估模型解释受试者间变异的能力来测试模型的描述有效性。我们的分析提供的证据表明,几何约束是至关重要的大脑区域之间的连接,和一个基于动作的模型依赖于拓扑和几何属性可以占主体之间的变异性结构网络属性。此外,我们测试参数的主题优化模型和认知能力的各种措施之间的相关性,发现更高的认知能力与个人的倾向,形成远程或非本地连接。
2022-01-19 q-bio.NC stat.ME
Optimally controlling the human connectome: the role of network topology
为了满足持续的认知需求,人类大脑必须从一种大脑状态无缝转换到另一种状态,在这个过程中利用不同的认知系统。大脑的解剖连接网络是如何帮助促进这种转变的?这个网络的哪些特征有助于使一个过渡容易而另一个过渡困难?在这里,我们使用网络控制理论来解决这些问题。我们计算最佳输入信号,以驱动大脑进入和离开由不同认知系统主导的状态。输入信号使我们能够评估不同大脑区域的贡献。我们表明,这种贡献,我们衡量的能量,与区域的加权度。我们还表明,网络的可沟通性,一个衡量大脑区域之间的直接和间接连接,预测在何种程度上大脑区域补偿时,输入到另一个区域被抑制。最后,我们确定了大脑应该开始(和结束)的最佳状态,以最大限度地减少过渡能量。我们发现,最佳的目标状态显示高活性的枢纽地区,暗示大脑的丰富的俱乐部。此外,当富人俱乐部组织被破坏时,与状态转换相关的能量成本显著增加,这表明大脑区域的丰富性使它们成为理想的目标。
2016-03-16 q-bio.NC
How the Stroop Effect Arises from Optimal Response Times in Laterally Connected Self-Organizing Maps
本文用自组织映射实现斯特鲁普任务,表明该效应源于优化响应时间,是整体高效表现的代价,可用于认知控制研究。
2025-05-11 cs.NE q-bio.NC
Topological stability of the hippocampal spatial map and synaptic transience
哺乳动物的空间意识是基于对环境的内在表征--认知地图--由尖峰神经元网络编码。虽然行为研究表明这些地图可以长期保持稳定,但众所周知,由于各种形式的神经元可塑性,突触连接的基础网络不断改变其结构。这就提出了一个主要问题:一个动态网络如何编码一个稳定的空间地图?在下文中,我们讨论了一些最近的结果,在这个方向上使用代数拓扑建模方法,这表明,出现稳定的认知地图产生的网络与瞬态架构不仅是可能的,但可能是一个普遍的现象。
2019-09-17 q-bio.NC
Binding in hippocampal-entorhinal circuits enables compositionality in cognitive maps
提出海马结构空间表征规范模型,结合最优性原理与代数框架,利用残差数系统、复值向量绑定和模块化吸引子网络实现位置编码,支持鲁棒路径积分与组合计算。
2024-06-27 cs.NE q-bio.NC
A Grid Cell-Inspired Structured Vector Algebra for Cognitive Maps
Forschungszentrum Jülich(于利希研究中心);RWTH Aachen(亚琛工业大学);UC Berkeley(加州大学伯克利分校)
本文提出GC-VSA模型,融合连续吸引子网络与向量符号架构,以三维神经元模块模拟网格细胞编码,统一实现路径整合、时空表示和符号推理等空间与抽象认知任务。
2025-03-11 cs.AI cs.NE q-bio.NC
Robust spatial memory maps encoded in networks with transient connections
哺乳动物海马主细胞的尖峰活动编码了一个内化的周围空间的神经元表征--认知地图。一旦学会,这种地图使动物能够在给定的环境中长时间导航。然而,产生这种映射的神经元基质仍然是短暂的:海马体和下游神经元网络中的突触连接从未停止形成,并以快速的速度恶化。大脑如何使用不断改变其架构的网络来保持对空间的鲁棒、可靠的表示?在这里,我们证明,使用新的代数拓扑技术,认知地图的稳定性是一个通用的,新兴的现象。该模型允许评估由特定生理参数产生的效果,例如,连接衰减时间的分布,对认知地图整体性质的影响。同时指出,由于突触连接的减弱或过度丧失而引起的空间记忆衰退,可以通过模拟神经元的活动而得到补偿。最后,该模型明确了功能的重要性,通过建立三个互补的时间尺度,空间信息展开的空间信息处理系统在不同层次的时空粒度。因此,该模型提供了一个主要的洞察力,大脑如何发展一个可靠的表示世界,学习和保留记忆,尽管复杂的可塑性的基础网络,并允许研究如何不稳定性和记忆退化机制可能会影响学习过程。
2017-10-07 q-bio.NC
Text2Brain: Synthesis of Brain Activation Maps from Free-form Text Query
Cornell University(康奈尔大学);University of California, Davis(加利福尼亚大学戴维斯分校);Institute of Infocomm Research (I2R), A*STAR(新加坡科技研究局资讯通信研究院);Weill Cornell Medicine(威尔康奈尔医学院)
大多数神经影像学实验的动力不足,受到个体研究所能调查的受试者数量和认知过程的限制。尽管如此,经过几十年的研究,神经科学已经积累了大量的成果。它仍然是一个挑战,消化这个不断增长的知识库,并获得新的见解,因为现有的元分析工具仅限于关键字查询。在这项工作中,我们提出了Text2Brain,一个神经网络方法,用于神经成像研究的基于坐标的元分析,从开放式文本查询中合成大脑激活图。结合基于transformer的文本编码器和3D图像生成器,Text2Brain在可变长度的文本片段及其相应的激活图上进行了训练,这些激活图是从13,000项已发表的神经成像研究中采样的。我们证明,Text2Brain可以从认知概念的自由形式的文本描述中合成解剖学上合理的神经激活模式。Text2Brain可在https://braininterpreter.com上获得,作为一种基于网络的工具,用于检索已建立的先验知识并为神经科学研究生成新的假设。
2021-09-28 cs.LG q-bio.NC
A biophysical network model reveals the link between deficient inhibitory cognitive control and major neurotransmitter and neural connectivity hypotheses in schizophrenia
我们提出了一个生物物理网络动力学模型来研究多巴胺(DA)活性和相关的N-甲基-d-天冬氨酸(NMDA)谷氨酸受体活性的调节以及新出现的前额叶皮层(PFC)功能连接网络(FCN)如何影响精神分裂症患者在反跳任务中的抑制性认知功能。通过最小化30名精神分裂症患者和30名健康对照者在执行反跳任务期间模拟和观察到的反应时间(RT)分布之间的差异来估计模型参数和PFC-FCN拓扑结构的值。我们表明,该模型近似预测的前额叶皮层DA低活性和相关的NMDA受体功能减退,以及被认为是主要的病因病理假说,以解释精神分裂症的认知缺陷的FCN连接障碍模式。
2021-07-20 cs.NA math.DS math.NA
Automated mapping of virtual environments with visual predictive coding
California Institute of Technology(加州理工学院)
本研究提出预测编码作为统一算法框架,通过自注意力卷积神经网络在虚拟环境中实现自动空间映射,支持向量导航,并可推广至多感官输入。
2024-04-17 cs.CV cs.LG eess.IV