Найти в Дзене
НИИ Антропогенеза

Запись выступления директора Центра биоэлектрических интерфейсов ВШЭ и руководителя группы «Нейроинтерфейсы» AIRI д

Запись выступления директора Центра биоэлектрических интерфейсов ВШЭ и руководителя группы «Нейроинтерфейсы» AIRI д. ф-м. н. Алексея Евгеньевича Осадчего "Интерпретируемый искусственный интеллект в задачах исследования функции головного мозга" 10 июля на семинаре "Цвет, математика и искусственный интеллект": https://color.iitp.ru/index.php/s/LSgdY2m6cw8Bw3N Аннотация: Существующие глубокие нейронные сети для декодирования мозговой активности ставят производительность выше интерпретируемости, не устанавливая связи между правилами принятия решений и корковыми источниками, а также динамическими свойствами их электрической активности С другой стороны, традиционная нейровизуализация определяет нейронные субстраты, лежащие в основе поведенчески значимых состояний мозга, но опирается на упрощённые модели, неспособные уловить всю сложность вариаций мозговой активности Наш подход объединяет интерпретируемые нейронные сети с динамикой корковой активности на уровне источников, преодолевая эти

Запись выступления директора Центра биоэлектрических интерфейсов ВШЭ и руководителя группы «Нейроинтерфейсы» AIRI д. ф-м. н. Алексея Евгеньевича Осадчего "Интерпретируемый искусственный интеллект в задачах исследования функции головного мозга" 10 июля на семинаре "Цвет, математика и искусственный интеллект":

https://color.iitp.ru/index.php/s/LSgdY2m6cw8Bw3N

Аннотация:

Существующие глубокие нейронные сети для декодирования мозговой активности ставят производительность выше интерпретируемости, не устанавливая связи между правилами принятия решений и корковыми источниками, а также динамическими свойствами их электрической активности

С другой стороны, традиционная нейровизуализация определяет нейронные субстраты, лежащие в основе поведенчески значимых состояний мозга, но опирается на упрощённые модели, неспособные уловить всю сложность вариаций мозговой активности

Наш подход объединяет интерпретируемые нейронные сети с динамикой корковой активности на уровне источников, преодолевая эти ограничения

Это позволяет выявлять физиологически значимые паттерны, различающие сложные состояния мозга, создавать компактные, но мощные декодеры и открывать потенциально новое нейрофизиологическое знание

Напоминаю, публикации Алексея Евгеньевича по интерпретируемому ML для мозговых сигналов можно найти, например, в его профиле на гуглосколяре поиском по странице по корню interpret (сейчас 9 публикаций)

Расписание семинара "Цвет, математика и искусственный интеллект":

https://m.mathnet.ru/php/conference.phtml?option_lang=rus&eventID=17&confid=2613