259
مشترکین
اطلاعاتی وجود ندارد24 ساعت
+27 روز
+230 روز
در حال بارگیری داده...
کانالهای مشابه
هیچ دادهای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
ابر برچسبها
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اوت '26
اوت '260
در 0 کانالها
ژوئیه '26
+3
در 0 کانالها
Get PRO
ژوئن '26
+1
در 0 کانالها
Get PRO
مه '26
+3
در 0 کانالها
Get PRO
آوریل '26
+1
در 0 کانالها
Get PRO
مارس '26
+3
در 0 کانالها
Get PRO
فوریه '26
+10
در 0 کانالها
Get PRO
ژانویه '26
+55
در 2 کانالها
Get PRO
دسامبر '25
+3
در 3 کانالها
Get PRO
نوامبر '250
در 1 کانالها
Get PRO
اکتبر '25
+3
در 0 کانالها
Get PRO
سپتامبر '25
+33
در 0 کانالها
Get PRO
اوت '250
در 1 کانالها
Get PRO
ژوئیه '25
+13
در 0 کانالها
Get PRO
ژوئن '250
در 0 کانالها
Get PRO
مه '25
+6
در 2 کانالها
Get PRO
آوریل '250
در 0 کانالها
Get PRO
مارس '25
+80
در 0 کانالها
Get PRO
فوریه '250
در 8 کانالها
Get PRO
ژانویه '250
در 1 کانالها
Get PRO
دسامبر '24
+8
در 1 کانالها
Get PRO
نوامبر '240
در 0 کانالها
Get PRO
اکتبر '24
+3
در 0 کانالها
Get PRO
سپتامبر '240
در 0 کانالها
Get PRO
اوت '240
در 1 کانالها
Get PRO
ژوئیه '24
+9
در 1 کانالها
Get PRO
ژوئن '240
در 0 کانالها
Get PRO
مه '24
+3
در 0 کانالها
Get PRO
آوریل '240
در 0 کانالها
Get PRO
مارس '24
+31
در 0 کانالها
| تاریخ | رشد مشترکین | اشارات | کانالها | |
| 22 اوت | 0 | |||
| 21 اوت | 0 | |||
| 20 اوت | 0 | |||
| 19 اوت | 0 | |||
| 18 اوت | 0 | |||
| 17 اوت | 0 | |||
| 16 اوت | 0 | |||
| 15 اوت | 0 | |||
| 14 اوت | 0 | |||
| 13 اوت | 0 | |||
| 12 اوت | 0 | |||
| 11 اوت | 0 | |||
| 10 اوت | 0 | |||
| 09 اوت | 0 | |||
| 08 اوت | 0 | |||
| 07 اوت | 0 | |||
| 06 اوت | 0 | |||
| 05 اوت | 0 | |||
| 04 اوت | 0 | |||
| 03 اوت | 0 | |||
| 02 اوت | 0 | |||
| 01 اوت | 0 |
پستهای کانال
Большие supervisors vs маленькие научные руководители
Если и есть тема, которую PhD студенты обсуждают чаще собственной работы — это научные руководители. И неудивительно: выбор руководителя определяет карьерный трек, научные привычки и исследовательские темы, хотя влияние руководителя во время постдока оказывается даже сильнее.
Но важен не только сам руководитель, но и размер лаборатории. В недавней работе Xing (2025) показано, что чем крупнее лаборатория (шире коллаборационная сеть руководителя), тем выше цитируемость работ — но и тем выше вероятность, что студент уйдёт из академии. Первое объяснить легко: работы из крупных лабораторий с большим числом авторов быстрее набирают цитирования, хотя и реже порождают прорывные идеи. Второе сложнее, но основная причина, по всей видимости, одна — сколько времени руководитель реально уделяет каждому студенту.
Самым сильным предиктором продолжения академической карьеры оказалось количество совместных публикаций, где студент — первый автор, а руководитель — последний. Обратная картина — публикации, где студент стоит в середине авторского списка, — с продолжением карьеры в науке коррелировали отрицательно.
Что ещё играет роль? Престижный университет, средний карьерный возраст руководителя, тематическая независимость диссертации от исследований самого руководителя и внешние коллаборации — с исследователями из других учреждений и смежных областей.
Хотя публикации постдока, судя по всему, влияют на карьеру сильнее, чем публикации PhD. Насколько я знаю, при выборе научного руководителя многие смотрят на траекторию цитируемости и когда были сделаны самые цитируемые работы, хотя самый вадный критерий это отвечает ли он/она на письма.
| 2 | А ещё я хочу побомбить на современную систему публикаций!
Месяца два назад я получил письмо в рассылке от Society for Mathematical Psychology, где предлагалось написать комментарий к эссе в спецвыпуск Computational Brain & Behavior. Я почитал то эссе и понял, что мне есть, что написать. За выходные подготовил комментарий, отправил в журнал - оба рецензента были довольны и приняли коммент к публикации без изменений. Ну и я, конечно же, очень обрадовался.
А вот дальше оказалось, что за Open Access к небольшому комментарию в спецвыпуск надо платить около 2500 евро (где-то 225к рублей), либо публиковаться бесплатно, но статья будет доступна только по подписке, многие права на статью передаются издателю. Даже если ты один автор и PhD-студент без возможности оплатить такие деньги. Просто выбирай второй вариант.
Ощущение, что меня заскамили)))
Я хоть и знал про всю эту систему и раньше, но когда это небольшой комментарий к спецвыпуску от PhD-студента, то даже какое-то ощущение разочарования. Не понимаю, какая работа издателей может так дорого стоить в нынешние времена - видимо поэтому считается, что в индустрии научных публикаций маржинальная доходность одна из самых высоких. А я потом хожу как в старом меме "я не поняла, почему такие расценки, девушка? Скажите мне пожалуйста, это что такое вообще за выступление вашего мастера?"
Рассказал, кстати, об этой системе маме, так она, хоть и далека от науки, интуитивно выдала мне базу принципов открытой науки. Такие вот дела. | 125 |
| 3 | Если вам вдруг было интересно, как устроен рынок научных публикаций, советую прочитать статью 2023 года. Из неё можно сделать несколько выводов, один из которых: Springer Nature зарабатывает на gold open access (открытом доступе с повышенной платой для авторов) больше, чем кто-либо ещё, особенно в медицинских журналах. И конечно именно им принадлежит Computational Brain & Behavior
Поэтому bioRxiv и если вы ищите журнал в области биологии, есть полезный проект со списком журналов с ценами и типом доступа | 133 |
| 4 | Чтобы ответить на этот вопрос, я решил посмотреть на аналогичное распределение аффилиаций первых авторов постеров на одной из крупных конференций в этой области - Cognitive Computational Neuroscience за 2025 год, проходившей в Амстердаме. В ней принимали участие люди из областей нейронауки, ИИ и когнитивных наук. Пропарсив сайт CCN и вручную проверив все 550 постеров, я построил график с помощью Flourish (это не реклама, я просто должен упомянуть сайт как бесплатный пользователь, но сервис рил удобный).
Сильно впереди США. Затем идут Германия и Британия с Нидерландами, между которыми, по ощущениям после просмотра всех данных, часто проходили какие-то коллаборации. Немного удивил Китай, думал там будет побольше, но видимо все силы они бросили на ИИ. Из Швейцарии в основном наш центр и много людей из EPFL (политеха в Лозанне).
Интересно было бы посмотреть на аналогичный график в этом году и на более крупные конференции вроде OHBM. | 179 |
| 5 | В дополнение конференции пока без точных дедлайнов
1. ECVP 2026 — European Conference on Visual Perception
Keywords: Visual neuroscience
When: 23–27 August 2026
Where: Bournemouth, UK
Abstract deadline: ⏳ Not open yet
2. Bernstein Conference 2026
Keywords: Computational neuroscience
When: 28 Sept – 1 Oct 2026
Where: Frankfurt, Germany
Abstract deadline: ⏳ Not open yet
3. BraYn 2026 — Brainstorming Research Assembly for Young Neuroscientists
Keywords: Clinical neuroscience, Neuroimaging
When: 30 Sept – 2 Oct 2026
Where: Catania, Italy
Abstract deadline: ⏳ Not open yet
4. MMN 2026 — Mismatch Negativity Conference
Keywords: Computational neuroscience, Clinical neuroscience, MMN
When: 7–9 October 2026
Where: Bari, Italy
Abstract deadline: ⏳ Not open yet
5. MEG Nordic 2026
Keywords: MEG
Abstract deadline: ⏳ Not open yet | 1 603 |
| 6 | Конференции 2026 в порядке дедлайнов
1. CNS 2026 — Cognitive Neuroscience Society
Keywords: Computational neuroscience
When: 7–10 March 2026
Where: Vancouver, Canada
Abstract deadline: ❌ Closed
Registration: ✅ Open
2. COSYNE 2026 — Computational and Systems Neuroscience
Keywords: Computational neuroscience
When: 12–17 March 2026
Where: Lisbon, Portugal
Abstract deadline: ❌ Closed
Registration: ✅ Open
3. Brain Conference 2026
Keywords: Clinical neuroscience
When: 20 March 2026
Where: London, UK
Abstract deadline: ❌ Closed
Registration: ✅ Open
4. VSS 2026 — Vision Sciences Society
Keywords: Visual neuroscience
When: 15–19 May 2026
Where: St. Pete Beach, Florida, USA
Abstract deadline: ❌ Closed
5. OHBM 2026 — Organization for Human Brain Mapping
Keywords: Neuroimaging
When: 14–18 June 2026
Where: Bordeaux, France
Abstract deadline: ❌ Closed
Registration: ✅ Open
6. FENS Forum 2026 (Federation of European Neuroscience Societies)
Keywords: Neuroscience (general)
When: 6–10 July 2026
Where: Barcelona, Spain
Abstract deadline: 27 January 2026
6.5 ENCODS Forum 2026 ( European Neuroscience Conference by Doctoral Students)
Keywords: Neuroscience for phd (general)
When: 4–5 July 2026
Where: Barcelona, Spain
Deadline: 31 January/10 April 2026
7. Neurology 2026 — International Conference on Neurology and Neurological Disorders
Keywords: Clinical neuroscience
When: 22–24 June 2026
Where: Barcelona, Spain
Abstract deadline: 28 January 2026
8. AREADNE 2026 — Research in Encoding And Decoding of Neural Ensembles
Keywords: Computational neuroscience
When: 23–27 June 2026
Where: Milos Island, Greece
Abstract deadline: 30 January 2026
9. CogSci 2026 — Cognitive Science Society
Keywords: Cognitive science
When: 22–25 July 2026
Where: Rio de Janeiro, Brazil / Hybrid
Abstract deadline: 2 February 2026
10. CSS France 2026 — Complex Systems Society
Keywords: Computational neuroscience
When: 1–2 June 2026
Where: Lyon, France
Abstract deadline: 20 February 2026
11. Cortico 2026 — Collective for Transdisciplinary Research on BCI
Keywords: BCI, EEG, MEG
When: 18–20 May 2026
Where: Lille, France
Abstract deadline: 10 March 2026
12. OCNS 2026 — Annual Computational Neuroscience Meeting
Keywords: Computational neuroscience
When: 11–15 July 2026
Where: Halifax, Canada
Abstract deadline: 11 March 2026
13. JNPN 2026 — Journées Neurosciences Psychiatrie Neurologie
Keywords: Clinical neuroscience
When: 25–26 June 2026
Where: Paris, France
Abstract deadline16 March 2026
14. BIOMAG 2026 — Biomagnetism
Keywords: fMRI, MEG
When: 23–25 August 2026
Where: Beijing, China
Abstract deadline: 1 April 2026
15. CCN 2026 — Cognitive Computational Neuroscience
Keywords: Computational neuroscience
When: 3–6 August 2026
Where: New York, USA
Abstract deadlines:
Big: 12 February 2026
Small: 2 April 2026 | 1 635 |
| 7 | Держите рождественский подарочек: список нейронаучных школ на 2025 год по всему миру от Чили до Кении. Многие из них пройдут летом, но дедлайны могут быть уже в феврале! 🐲
#school | 195 |
| 8 | В The New Yorker вышла статья об Оливере Саксе. Во многом она посвящена его личной жизни, но особенно любопытны выдержки из дневников, касающиеся работы над книгами.
В них Сакс довольно откровенно признает, что многие детали его клинических историй — по его собственным словам — “pure fabrications”, а некоторые персонажи получили «powers which they do not have». Это, по-видимому, относится и к описаниям пациентов с кататонией после приема L-dopa, которые в книге «Пробуждение» были показаны выборочно и с явным смещением акцентов.
Лично я читал Сакса давно и с удовольствием и до сих пор иногда использую его истории как иллюстрации — например, в разговорах о мнемотехниках (случай Шерешевского) или о нарушениях стереоскопического зрения (случай Сью). При этом общее отношение к этим текстам у меня скорее как к байкам (особенно подозрителен к примеру случай моментального подсчета спичек выпавших из коробка). Но это общая проблема большинства известных кейсов, вроде истории Финеаса Гейджа, у которого якобы радикально изменилась личность после травмы, хотя надежных свидетельств этому нет.
Я не уверен, что подобные преувеличения и обобщения в книгах пошли на пользу, как бы Сакс себя не оправдывал. Думаю нужно быть осторожнее при использовании красивых историй.
p.s. В схожем ключе я лично воспринимаю и некоторые классические психологические эксперименты 20го века. Стэнфордский тюремный эксперимент и эксперимент Розенхана сегодня выглядят скорее как показательные истории, чем как надежные исследования: в обоих случаях накопилось немало свидетельств подтасовок, манипуляций и нарушений собственных протоколов. Эксперимент Милгрэма и исследования Соломона Аша, хотя и были проведены более аккуратно, тоже далеки от безупречности и нередко пересказываются в упрощенном или искаженном виде | 4 546 |
| 9 | Пока многие обсуждают биодронов на базе голубей, вспомнилось , что существуют и обратные примеры — когда культуры нейронов и глии подключают к авиасимуляторам. Классический пример — работа DeMarse & Dockendorf, где нейронная культура «управляла» полетом в симуляторе X-Plane (хотя это скорее пассивное хранение и манипуляция весами сети). Похожие схемы применялись и для управления простыми роботами и виртуальными агентами.
Причем на подобные исследования в том числе получают военные гранты как в случае Cortical Labs.
Аргументы такие: биологические сети энергоэффективнее кремниевых и способны обучаться быстрее, поэтому можно:
(1) создавать искусственные нейросети, вдохновленные биологическими
(2) использовать реальные клетки для вычислителений.
Первое банально, а вот второе вызывает куда больше этических вопросов и при излишнем воображении, рисует картину «мозгов (причем в основном крысиных) в банках» управляющих боевыми дронами. Благо реальные достижения здесь очень скромные. На сегодняшний день наиболее известным практическим результатом остается игра в Pong.
Главная сложность не в поддержании жизнеспособности культур (современные MEA-системы позволяют поддерживать культуры месяцами + можно передавать сигнал с "мозговых серверов" и переключаться с мозга на мозг), а в способах обучения.
В искусственных сетях просто кодировать сигнал подкрепления и наказания, а вот в клеточной культуре возникает вопрос: что именно будет выступать в роли подкрепления, не фруктовый же сок по трубкам подавать к нейронам. Остаются различные протоколы стимуляции, но какая стимуляция будет наградой, а какая нет?
В случае игры в Pong (по участию K. Friston это становится понятно) используется предсказуемая стимуляция как награда и непредсказуемая как ошибка. То есть обучение основано на уменьшении сенсорной неопределенностью и принципе свободной энергии, что соответствует идеи predictive coding. Все это как-то работает, но остается много вопросов: как частота стимуляции должна подстраиваться под особенности конкретной сети, какова роль интернейронов и ингибирующих механизмов, насколько необходима иерархическая организация — и т. д.
Для меня лично все это напоминание как мы мало знаем о реальных механизмах обучения, даже если смогли создать успешное функциональное описание и его работающие модели | 469 |
| 10 | Издание The Transmitter выпустило красочный интерактивный сайт State of Neuroscience 2025, где можно посмотреть, как менялись популярные направления нейронауки за последние 50 лет на основе анализа более чем 350 000 аннотаций научных статей.
Что показалось интересным:
• Самая цитируемая и обсуждаемая тема - болезнь Альцгеймера. Следом из болезней идут болезнь Паркинсона и депрессия.
• На второе место неожиданно вышла технология ЭЭГ: её доля выросла за последние пять лет на 1.4 п.п. В то же время фМРТ снизилась на 1.55 п.п.
С чем это связано? Разочарование в фМРТ? Бум мобильного ЭЭГ? Дешевизна и доступность метода?
Занимаюсь методологией ЭЭГ, вижу огромное количество проблем с этой технологией, поэтому удивлен. Социологи науки, ваш выход!
• Среди тем, появившихся в последние годы: COVID (предсказуемо), глубокое обучение (ещё предсказуемее) и внезапно - ферроптоз.
Это форма регулируемой клеточной смерти, которую открыли в 2012 году. Сейчас её считают одним из важных механизмов нейродегенерации. Также ферроптоз стал горячей темой в онкологии - если его специально запустить, можно убивать опухолевые клетки, устойчивые к стандартной терапии.
А вы заметили там что-то интересное?
#science #eeg #sci_art | 310 |
| 11 | Взлет и падение кота Ларри
Долгое время самым цитируем котом в мире считался F.D.C. Willard (Felis Domesticus Chester Willard) — кот, которого физик Джек Х. Хетерингтон вписал в соавторы, чтобы обосновать использование «we/our» в научной статье. Но в 2025 году его рекорд был побит котом Larry Richardson.
Аспирант Reese Richardson и исследователь Nick Wise решили проверить, как работают мошеннические схемы по накрутке цитируемости. Они обнаружили, что Google Scholar автоматически индексирует документы, загруженные на ResearchGate🤡
Для иллюстрации проблемы они
- Сгенерировали с помощью Mathgen 12 фейковых статей от имени кота
- Загрузили все статьи на ResearchGate
- Добавили еще 12 статей от «других авторов», цитирующих работы кота
Итог: 132 цитирования и h-индекс 11
После того как история попала в блог и вызвала резонанс, Google Scholar удалил все цитирования Larry (но не статьи в профиле). При этом Google Scholar не удалил накрутки клиентов мошенников 🤷♂️
На фото Larry узнает свой h-индекс | 583 |
| 12 | Есть, правда, и повод для занудства, примерно такой же, как у астрономов с девятой планетой: стоит ли называть это именно “путем”? (Отдельную путаницу вносит использование разных терминов: pathway / path / stream).
Это уже вопрос философии науки и определений, и по этому поводу есть хорошая статья с аргументами против третьего потока (они различают потоки и пути, используя для вентрального и дорсального слово stream).
Если суммировать основные аргументы:
- MT обычно включается и в дорсальный, и в вентральный потоки, а может быть отдельным визуальным входом, это ломает схему независимой связи третьего пути с V1.
- Анатомическая отдаленность требует выбора threshold, и его изменение увеличивает число “потоков”, а это нивелирует саму полезность такого обобщения. Потоки должны включать хотя бы несколько разных путей и не быть слишком специализированными
- STS можно с таким же успехом считать ветвью вентрального потока, а функции, связанные с воспритяием динамическими особенностями лиц и тел, включить в расширенную модель вентрального потока, которая уже учитывает обработку “стабильных динамических признаков”.
Посмотрим на какой позиции будет консенсус и что в итоге будет написано в новых учебниках | 1 425 |
| 13 | На протяжении нескольких месяцев мне постоянно попадается информация про третий визуальный путь (латеральный: V1 → V5/MT → pSTS → aSTS) в дополнение к вентральному и дорсальному. Во многом это связано со свежей статьёй в Nature Communications и удачной схемой (см. выше).
Функционально этот путь связан с динамическим социальным восприятием — распознаванием динамических эмоций и социального взаимодействия, причем не только визуального.
Идея стала активно обсуждаться после Opinion paper 2021 от D. Pitcher и L. G. Ungerleider. (Leslie Ungerleider — соавтор классической работы 1982 года о разделении vision на spatial vs object). Хотя и до 2021 года уже были сообщения о возможной тройной диссоциации зрительной системы на основе fMRI (раз, два).
Сейчас накопилось уже много данных о функциональной специализации STS у приматов, и даже у нас кто-то этим занимается, так что новая статья в Nature Communications в этом смысле лишь дополняет общую картину | 1 228 |
| 14 | Представьте, вы пытаетесь понять, куда поворачивает самолет✈️
В зависимости от ситуации полезны разные стратегии:
Если вы за штурвалом, важно отслеживать, как ваши действия влияют на ситуацию (S, A → S’, actor model). Здесь лучше работает модельно-ориентированное (model-based) и инструментальное обучение — вы строите модель среды, чтобы оптимально управлять ею
Если вы пассажир и не управляете полетом, ситуация меняется независимо от ваших действий (S → S’, spectator model). В этом случае можно полагаться на простые ассоциативные (Павловские) реакции и модельно-свободное (model-free) обучение
Оценка контролируемости среды позволяет мозгу рационально перераспределять ресурсы — не тратить силы на контроль, когда его нет, и активно вмешиваться, когда контроль возможен
Член нашей научной группы Romain Ligneul в своих работах как раз изучает как происходит эта оценка контролируемости. Здесь я попытаюсь суммировать несколько его выступлений с NeuroFrance и митингов группы.
Во-первых он показал, что когда предсказуемая среда может быть то контролируемой, то неконтролируемой, лучше всего реальные поведенческие результаты предсказывает модель учитывающая оценку текущей степени контролируемости среды
Если судить по fMRI результатам, то обе модели очень похоже кодируются в fronto-parietal network но mPFC и мезолимбическая система кодируют ошибки предсказания именно в actor-модели.
У здоровых людей наблюдается естественный bias в сторону actor model — т.е. базовое ожидание, что действия имеют значение. Дети же наоборот чаще используют spectator model (взрослые т.е. после 16-18 лет эффективно используют обе)
Если участники подвергались до выполнения задачи неконтролируемому стрессу, они "застревали" на spectator model — для перехода обратно к actor model им требовалось больше доказательств причинной связи (эффект, связанный с выученной беспомощностью).
В своих новых работах Romain с коллегами показывает, что серотонинергические нейроны дорсального ядра шва (DRN 5-HT) у мышей активно участвуют в этом процессе: их активность связана со склонностью мозга оставаться в spectator model.
В похожем задании, люди с более выраженным локусом контроля лучше справлялись с заданием, требующием actor-модели. Вероятно индивидуальный bias
Однако у принимающих антидепрессанты (СИОЗС) эта связь исчезала, кроме того, у них наблюдалась большая склонность к spectator model (обратный bais), а также была корреляция между долей использования spectator model и выраженностью депрессивных симптомов (BDI)
Насколько я понимаю, его работы направлены на доказателсьтво того, что серотониновая система может выполнять роль детектора совпадений, оценивая, насколько действия приводят к стабильным и предсказуемым результатам и регулировать ошибки предсказания в actor-модели в случае неконтролируемого стресса через подавление дофаминергических нейронов
p.s. давать всем детям антидепрессанты пока не советуют😃 | 369 |
| 15 | Ещё с Cortico — выступление Marine Vernet посвященное чувству агентности
В задачах участникам предлагалось сыграть против компьютера: онлайн — поиск стимулов, и в MEG-лаборатории — распознавание изображений. Алгоритмы компьютера были настроены так, чтобы выбирать ответ за 78 ± 21 мс до того, как его собирался сделать участник
После каждой попытки участников спрашивали: кто, по их мнению ответил — они или компьютер?
(Изображение онлайн версии на картинке)
Чем ближе по времени был ответ компьютера к ответу участника, тем чаще люди приписывали действие себе. Но этот эффект оказался динамичным: по мере обучения задаче участники всё чаще считали действия своими. То есть со временем расширялось «окно», в пределах которого действие воспринималось как собственное, причем независимо от того насколько хорошо они выполняли задание.
Сейчас, у них уже частично готов препринт по онлайн-задаче, а один из студентов работает над анализом MEG-данных, ждем! | 1 476 |
| 16 | Прошла неделя конференций Cortico и NeuroFrance — постепенно начну делиться интересными докладами и постерами
Один из поведенчсеких докладов на NeuroFrance был у Stefano Palminteri из команды Human Reinforcement Learning. Он показал, что в обучении с подкреплением (reinforcement learning) награды и наказания кодируются относительно, а не абсолютно
Представьте, вы учитесь выбирать между двумя опциями:
Ситуация 1 A даёт 100 очков, B — 60,
Ситуация 2 C — 30, D — 0.
После обучения пары смешивают (например, создавая пару BC). Если бы награды кодировались абсолютно, B всегда выигрывал бы у C. Но на практике наблюдается смещение в сторону C, что указывает на относительное кодирование.
1. Такой байес наблюдался как у людей, так и у крыс. При этом крысы были более чувствительны к потерям, а люди — к наградам
2. Эффект оказался стабильным в разных культурах и странах, если правила задавались неявно. Но если вероятности выигрыша сообщались явно, культурные различия проявлялись. Среди 11 стран была и Россия, а в списке авторов есть знакомая фамилия)
3. Исходя из этих данных, исследователи разработали Scale-invariant RL, устойчивые к изменению шкалы наград. Эти модели показали лучшие результаты в шумных, динамичных и многошаговых задачах (что ближе к реальному миру), так что у этого есть адаптивная ценность
Мой комментарий
Сам Stefano приятный докладчик и судя по отзывам его студентов хороший руководитель, круто что совмещают моделирование, кросскультурную и межвидовую проверку. Последняя статья с моделирвоанием понравилась. Хотя их результаты сильно отличались по методам от всего остального на NeuroFrance и как их занесло не очень понятно 🤷♂️
Помимо основного доклада, студенты из этой же группы представили два постера:
Fabien Cerrotti: фмрт исследование "Dissociating the functional role of the para-hippocampal and parietal cortex in human multi-step reinforcement learning". В выводах
Парагиппокампальная кора участвует в планировании на несколько шагов вперёд (forward planning),
Теменная кора в изучении структуры задачи и её консолидации.
Тут я не до конца понял почему они решили использовать именно такую двухступенчатую задачу и что все это значит, но судя по литературе нужно больше знать про RL
Isabelle Hoxha: результаты моделирования "The blessing and curse of value-shaping imitation"
Выводы такие:
В стабильных условиях ценностно-формирующее подражание улучшает обучение, особенно при сложных решениях (подражайте научникам)
В нестабильной среде или при взаимном подражании оно может ухудшать результаты и способствовать социальным искажениям — таким как поляризация мнений и формирование эхо-камер (по её словам, это хорошо объясняет поведение в Twitter)
Результаты интуитивны и мне кажется без реальных данных имеют меньше ценности, но всегда приятно видеть результаты моделирования, сама Isabelle как раз планирует начать сбор данных | 726 |
| 17 | В случае реального использования таких экранов разница между соседними кадрами минимальна и визуально слабо различима. Однако визуальные стимулы в играх и некоторых задачах являются динамичными и пространственно неоднородными. В таких ситуациях видео с высокой частотой смены кадров воспринимается как более плавное и визуально предпочтительное в VR и для обычных экранов. Кроме того для VR после 120 Гц пользователи сообщали о снижении симптомов укачивания (simulator sickness).
Для исследований на распознавание движения для получения стабильных вызванных потенциалов рекомендуется использовать 120 Гц и выше если вы используете быстро движущиеся стимулы.
К сожалению ничего толкового про время реакции на киберспортсменах я не нашел, но для VR время реакции улучшается с увеличением частоты кадров и достигает плато примерно на уровне 120 Гц. Похожие результаты получены и в экспериментах с традиционными дисплеями, хотя в обоих случаях очень маленькие выборки.
Примечательно, что в VR при быстро движущихся объектах разница между 60 Гц и более высокими частотами становится менее выраженной. Авторы объясняют это тем, что при недостаточной визуальной информации и высокой скорости движения участники начинают использовать проактивные стратегии, основанные на предсказании движения стимула, что частично компенсирует низкую частоту обновления. | 320 |
| 18 | Как человек проигрывающий в компьютерные игры, я давно задавался вопросом: есть ли смысл в экранах с высокой частотой ? Такой же вопрос встаёт и перед разработчиками VR/AR и теми, кто планирует эксперименты по визуальному восприятию.
Экраны и лампы, работают с определенной частотой мерцания. Если частота выше порога (flicker fusion threshold), изображение воспринимается как стабильное. Для большинства людей этот порог 60–90 Гц что и приводится в учебниках.
Однако этот порог может варьироваться индивидуально (±10 Гц) и зависеть от множества факторов: яркости/контрастности/размера/цвета изображения, усталости и возраста испытуемого. Для других видов порог может отличаться так у голубей от 100 до 143 Гц). Отсюда появилась идея, что представители этих видов воспринимают время иначе.
Так есть ли тогда смысл делать выше 90 Гц для людей? Да, потому что если сделать стимулы более реалистичными и добавить пространственную структуру (а также разрешить саккады), порог может увеличиться до 500–800 Гц. | 321 |
| 19 | Бонус. Дети начинают обращать больше внимания на стимулы, похожие на лица (три точки), еще до своего рождения. В таких экспериментах исследователи проецируют свет через стенку матки и обычно фиксируют повороты головы. В недавнем исследовании использовали сонаp для отслеживания движений глаз плодов на сроках 26, 31 и 37 недель.
Хотя эффект оказался небольшим, результаты показали, что уже в начале третьего триместра дети чаще реагируют на стимулы, напоминающие лицо (эффект линейно усиливается с увеличением возраста). Кроме того им удалось показать корреляцию между этим эффектом и размером ядер таламуса | 355 |
| 20 | 2. Для того чтобы объект воспринимался как лицо, достаточно всего двух тёмных пятен сверху и одного снизу в определённой пропорции. Это хорошо заметно на примере парейдолий (картинка выше) и мультяшных лиц, а эффект присутствует уже у новорожденных. Объясняли его top-heavy bias — предпочтением стимулов с большим числом деталей сверху, но последние работы показывают, что видимо это не так и контрастность (темные пятна на светлом фоне) с пропорциями важнее.
3. Глаза, брови и рот — формируют горизонтальные полосы, упорядоченные вертикально. Восприятие этих горизонтальных линий обеспечивают эффективное и устойчивое узнавание лиц в разных положениях, и именно распознавание горизонтальных линий улучшается с возрастом примерно до 30 лет. | 305 |
