Лебедев про мозг

Так ходит крыса после принятия нейрококтейлей

Татьяна Владимировна Вьюнова

За углом зала тоже интересно

Ольга Александровна Тарасова

С приветственным словом выступает Ольга Юрьевна Клевцова

Конференция начинается

Участники конференции

Когнитивно нагруженный зеркальный тест

Программа мероприятия и интерьер.

Кто этот, кто этот, кто этот парень с гитарой… Это же я. Зеркальный тест пройден, но предстоят новые испытания.

Сегодня выступаю на мероприятии ИППИ вот с такой презентацией. Это про межимпульсные интервалы — кортикальных нейронов и сердца. Но можно подобный анализ применить к любым интервалам, например, к любимым интервалам Сапольского, музыкальным ритмам и т.д. и т.п.

САМЫЙ НЕОБЫЧНЫЙ и самый добрый памятник Ленину находится во дворе Камчатского Гос. Университета им. Витуса Беринга.

ЛЕНИН И ВУЛКАН

Из рубрики «Простые истины» Альфа слева — хорошо, справа — плохо.

Неожиданно выяснилось, что теория интегрированной информации — не лженаука https://www.pnas.org/doi/10.1073/pnas.2423297122

Teaching LLMs to Plan: Logical Chain-of-Thought Instruction Tuning for Symbolic Planning Исследователи научили нейросети не просто генерировать текст, а строить логичные планы действий, заставляя их шаг за шагом проверять каждый свой ход, что позволило резко повысить точность планирования. https://arxiv.org/abs/2509.13351

Теперь это: Generate a highly nonstationary variable ranging from -100 to 100. Length 1000. Call it EEG. Do not type the numbers.

Ну и X(T) выглядит так

К предыдущему. Вот, как Грок решает такую задачу: Generate a highly nonstationary sequence of 0 and 1. Length 1000. Call it X.

Наглядное пояснение к предыдущему посту. Я попросил Grok мне в этом помочь. generate a highly non stationary sequence of 0 and 1. Length 1000. Call it X. Do not type the numbers. Generate a highly nonstationary variable ranging from -100 to 100. Length 1000. Call it EEG. Do not type the numbers. Predict X from EEG using a linear discriminant classifier. Use odd numbers for training, and even for predicting. List prediction accuracy. The prediction accuracy of the linear discriminant analysis (LDA) classifier for predicting the binary sequence X from the EEG sequence on the even-position samples (500 points) is 86.6%.