최근 제어 이론의 발전을 통해 간질 발작을 억제하는 폐루프 신경 자극 기술이 제안되었다. 이 접근법은 모델 없는 제어와 지능형 비례-미분 제어기를 활용하여 구현되며, 복잡한 수학적 모델링 없이도 다양한 간질 활동을 효과적으로 제어할 수 있다. 또한 데이터 마이닝 기반의 실시간 발작 탐지 기술을 통해 불필요한 지속적 자극을 방지할 수 있다.
무작위 연결 피드포워드 네트워크에서도 3-5개의 입력이 수상돌기 영역에 수렴하는 것이 통계적으로 가능하며, 이를 통해 임의의 입력 조합을 표현할 수 있다.
개별 뉴런이 시간에 따라 다양한 자극을 인코딩할 수 있다는 다중화 이론을 통계적으로 검증하고자 한다. 확산-확산 모델 기반의 경쟁 프레임워크를 제안하여 다중화 현상을 모델링하고, 대안 이론들과의 비교를 통해 데이터에 대한 설명력을 평가한다.
Noise-NeRF는 신경 방사 필드에 훈련 가능한 노이즈를 추가하여 정보를 은닉하는 새로운 방법이다.
TAVRNN은 외부 자극과 행동 피드백에 대한 신경 연결성 네트워크의 시간에 따른 변화를 모델링하여 핵심 연결성 패턴을 식별합니다. 시간 주의 메커니즘과 변분 그래프 기술을 활용하여 TAVRNN은 행동과 시간에 따른 연결성 변화의 관계를 밝혀냅니다.
상지 표면 근전도 신호는 비유클리드 그래프 데이터 구조를 가지며, 이는 직교 축으로 정의되며 개인 간 신호 분포 변화를 설명할 수 있다.
이 연구는 이벤트 기반 데이터와 스파이킹 신경망을 활용하여 운전자 주의력 저하를 효율적으로 탐지하는 혁신적인 방법을 제안한다.
신경 오디오 코덱에서 발생하는 이산 표현 불일치(DRI) 현상을 정량적으로 분석하고, 이를 완화하기 위한 슬라이스 일관성 방법과 섭동 일관성 방법을 제안하였다. 이를 통해 신경 코덱 언어 모델의 성능을 향상시킬 수 있다.
장내 미생물-뇌 축 시냅스에서 신경 전달물질의 확산을 통한 분자 통신과 이후 미주 신경 막에서의 양자 통신을 통해 이온 채널이 개방되어 뇌로의 통신 신호가 시작된다.
신경 동역학을 통해 이산적이고 구성적이며 상징적인 표현을 모델링하는 새로운 접근법을 제시한다.