否定对形容词的神经表征产生削弱效应而非反转效应

背景介绍 人类语言处理的一个显著特点是我们能够将储存的字汇元素——即词汇——按需组合起来,从而灵活地生成或改变当前的意义。这一过程的核心在于我们如何实时构建意义表征。尽管关于句法结构生成的研究已取得稳定进展并引发了富有成效的讨论,但关于新语义配置如何随着时间推移被表示的研究则相对较少。约翰霍普金斯大学的研究团队基于现有文献,专门研究了语言中的否定操作如何影响词语语义表示,特别是形容词。这项研究为理解人类大脑如何在实时中代表意义变化提供了一块基石。 论文来源 这篇题为“Negation mitigates rather than inverts the neural representations of adjectives”的论文由Arianna Zuanazzi、Pablo Ripollé...

以原型为基础的样本加权蒸馏统一框架应用于缺失模态的情感分析

以原型为基础的样本加权蒸馏统一框架应用于缺失模态的情感分析

以原型为基础的样本加权蒸馏统一框架应用于缺失模态情感分析 研究背景 情感分析是自然语言处理(NLP)中的一个重要领域,随着社交媒体平台的发展,人们越来越倾向于通过简短的视频片段来表达他们的情感。这导致多模态数据的快速增长。然而,现实生活中经常会遇到模态缺失的情况,例如由于音频丢失、摄像头遮挡或语音转录错误等问题。在这种情况下,对缺失模态的情感分析成为一个具有挑战性的重要议题。多模态的异质性在尝试对所有模态在多模态网络上优化相同目标时,往往导致优化的不平衡问题,尤其是在模态缺失的情况下。现有的研究在处理模态缺失时,常常忽略了网络优化的不平衡问题。 研究来源 这篇论文由山东师范大学信息科学与工程学院的张玉娟、刘芳娥、庄旭强、侯英和张玉灵共同撰写,论文发表于2024年5月20日的《Neural N...

InA: 在预训练语言模型上的抑制自适应方法

InA: 在预训练语言模型上的抑制自适应方法 预训练语言模型(Language Models, LMs)已经在自然语言处理(Natural Language Processing, NLP)任务中取得了显著的效果。然而,传统的微调方法存在冗余参数的问题,影响了效率和效果。为了应对这一挑战,本文提出了一种称为抑制自适应(Inhibition Adaptation, INA)的微调方法,用以减少添加的可调权重,并适当地再权重来自预训练语言模型的知识。 研究背景和问题 当前,微调预训练语言模型是一种常见的解决NLP下游任务的方法。然而,经典的微调方法需要更新所有的模型参数,这会导致冗余参数问题,尤其是当应用于新的下游任务时。冗余参数不仅影响模型的效率,还会阻碍模型性能的提升。为了解决这一问题,已有...

多尺度视觉中枢引导的多模态神经机器翻译:文本感知的跨模态对比解耦

多尺度视觉中枢引导的多模态神经机器翻译:文本感知的跨模态对比解耦

多尺度视觉中枢引导的多模态神经机器翻译:文本感知的跨模态对比解耦 学术背景 多模态神经机器翻译(Multi-Modal Neural Machine Translation, MNMT)旨在将语言无关的视觉信息引入文本以提升机器翻译的性能。然而,由于图像和文本在模态上的显著差异,这两者之间不可避免会出现语义不匹配的问题。解决这些问题的目标在于通过使用分解的多尺度视觉信息作为跨语言中枢,提高不同语言之间的对齐,从而改进MNMT的表现。 论文来源 这篇论文由朱俊俊、苏瑞和叶俊杰等研究人员撰写,作者分别来自昆明理工大学信息工程与自动化学院、云南大学信息科学与工程学院以及云南省人工智能重点实验室。论文将在2024年发表于著名期刊”Neural Networks”。 研究流程 研究工作主要分为以下几个...

用于语义分割的堆叠反卷积网络

用于语义分割的堆叠反卷积网络

用于语义分割的堆叠反卷积网络 引言 语义分割在计算机视觉领域中是一项关键任务,其目的是对图像中的每一个像素进行分类,预测其类别。然而,现有的全卷积网络(Fully Convolutional Networks, FCNs)在处理空间分辨率方面存在局限性,容易出现物体边界模糊和小物体丢失的问题。为了解决这些问题,本文提出了一种堆叠逆卷积网络(Stacked Deconvolutional Network, SDN)来提升语义分割的效果。 研究背景 在深度卷积神经网络(Deep Convolutional Neural Networks, DCNNs)的推动下,语义分割取得了显著进展。DCNN通过强大的学习能力可以获取高级语义特征,比如图像分类、目标检测和关键点预测等。然而,DCNN在语义分割任...

基于标签内容描述的透明化深度图像美学评估

基于标签内容描述的透明化深度图像美学评估

基于标签内容描述的透明化深度图像美学评估 学术背景 随着社交媒体平台如Instagram和Flickr的普及,图像美学评估(Image Aesthetics Assessment, IAA)模型的需求日益增长。这些模型不仅可以帮助社交网络服务提供商优化图片排序或推荐结果,还能帮助普通用户管理相册、选择最佳照片,甚至在拍摄和编辑过程中提供指导。然而,如何构建一个稳健的IAA模型一直是一个挑战,因为图像美学的复杂性包括对象、摄影技术等多个因素。 研究动机 现有的深度学习方法虽然在IAA中表现出色,但其内部机制仍不明确。大多数研究通过隐性学习语义特征来预测图像美学,但这些方法未能直接解释这些特征具体代表了什么。本文的核心目标是创建一个更透明的IAA框架,引入可解释的语义特征,以人类可读的标签描述图...

由大脑皮质发音表征驱动的双语语音神经假体

由大脑皮质发音表征驱动的双语语音神经假体 背景 在神经假体的发展过程中,从大脑活动解码语言的研究一直集中在单一语言的解码上。因此,双语言语产生依赖于不同语言的独特或共享皮层活动的程度仍不清楚。当前研究通过电皮层图(electrocorticography, ECoG)结合深度学习和统计自然语言模型来记录和解码一名西班牙语-英语双语患者的言语运动皮层活动,并将其转化为两种语言的句子。该研究旨在解决双语解码的实际应用问题,尤其是在不需要手动指定目标语言的情况下,实现言语解码。 言语丧失症(anarthria),即失去清晰发音的能力,是中风和肌萎缩侧索硬化症等神经疾病的严重症状之一。目前,侵入性言语脑-计算机接口(BCI)正在被开发,以通过解码皮层活动恢复患者的自然沟通能力。然而,现有的言语BCI...

大语言模型利用电子健康记录中识别健康的社会决定因素

大语言模型利用电子健康记录中识别健康的社会决定因素 背景及研究动机 健康社会决定因素(Social Determinants of Health, SDOH)对患者的健康结果具有重要影响。然而,在电子健康记录(EHR)结构化数据中,这些因素的记录往往不完整或缺失。大语言模型(Large Language Models, LLMs)有望从EHR的叙述性文本中高通量提取SDOH,以支持研究和临床护理。然而,类别不平衡和数据限制为这种稀疏记录的关键信息带来了挑战。本文旨在探讨使用LLMs从EHR叙述性文本中提取六种SDOH类别(就业、住房、交通、父母身份、关系和社会支持)的最佳方法。 研究来源 这项研究由Harvard Medical School的Mass General Brigham人工智能...

嵌合抗原受体的间充质基质细胞用于增强免疫抑制

嵌合抗原受体的间充质基质细胞用于增强免疫抑制 背景介绍 间充质基质细胞(Mesenchymal Stromal Cells, MSCs)是多能细胞,存在于几乎所有组织中,具有显著的免疫抑制、再生特性。这些特性使得MSCs在免疫疾病和组织再生的治疗中被广泛研究。尽管同种异体MSCs的临床试验展示了其安全性,然而其免疫抑制效能和治疗结果迄今仍未令人满意。为了提高MSCs的免疫抑制效果,本研究通过细胞工程技术,对来自健康供体脂肪来源的初级MSCs进行改造,开发了一种新的治疗策略。 论文来源 本研究由Olivia Sirpilla、R. Leo Sakemura和Mehrdad Hefazi等人完成,隶属于Mayo Clinic的T Cell Engineering部门,以及Division of ...

社交派生信息的皮层转移对情绪识别的门控作用

社交派生信息的皮层转移对情绪识别的门控作用 背景介绍 情绪识别及其随之而来的反应对生存和社会功能的维持具有重要意义。然而,如何处理来自社会信息以可靠地进行情绪识别仍不完全清楚。在这项新研究中,作者揭示了一种进化上保守的长程抑制/兴奋性脑网络在这些社会认知过程中的作用。这项研究通过对从内侧前额叶皮层(medial prefrontal cortex, mPFC)到视网膜后皮层(retrosplenial cortex, RSC)的长程投射网络进行了详细分析,以揭示其在情绪识别过程中的作用。 这些发现的背景重要性在于,情绪识别能力的缺陷会阻止个体在看到同类的情绪变化时提供帮助或逃避威胁。此外,这种社会认知能力的缺陷在某些精神和神经发育障碍(如精神分裂症和自闭症中)很常见,对患者生活有深远影响。大...