Михаил Лебедев (Mikhail Lebedev) — нейроученый
5.35K subscribers
4.92K photos
1.76K videos
52 files
7.24K links
Михаил Альбертович Лебедев (@lebedevmikhaila) — нейроученый. Индекс Хирша — 55 (Google scholar).

https://sites.google.com/site/lebedevneuro/curriculum-vitae

https://scholar.google.com/citations?user=cvd2xxcAAAAJ&hl=en
Download Telegram
Media is too big
VIEW IN TELEGRAM
О музыке и о том, как она на нас влияет

https://smotrim.ru/video/3023851
👍4🔥2🥰1🤯1
Записывают физиологические параметры (например, ЭЭГ). Испытуемый спонтанно и нестационарно меняет занятия (пишет сообщения, играет в игры и т.п.) Записываемые сигналы тоже меняются (сохнут электроды, сонливость). Ученые декодируют состояние путем ML.
Anonymous Poll
14%
Успех классификации гарантирован, если такая нестационарность
23%
Декодирование не сработает
42%
Каждая вторая статья про это
20%
Внешнее информационное электромагнитное поле
Haглядное пояснение к предыдущему посту.

Я попросил Grok мне в этом помочь.

Generate a highly nonstationary 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%.

Конечно, деятельность Грока стоит перепроверить обычным программированием, но все же…
К предыдущему.

Вот, как Грок решает такую задачу:

Generate a highly nonstationary sequence of 0 and 1. Length 1000. Call it X.
Теперь это:

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

К сожалению, видно, что Грок генерировал высококоррелированные X(t) и EEG(t).

Доверяй, но проверяй!
😁1
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
2
This media is not supported in your browser
VIEW IN TELEGRAM
Из рубрики «Простые истины»

Альфа слева — хорошо, справа — плохо.
Forwarded from Artem. R. Oganov
САМЫЙ НЕОБЫЧНЫЙ

и самый добрый памятник Ленину находится во дворе Камчатского Гос. Университета им. Витуса Беринга.
❤‍🔥2👍1
This media is not supported in your browser
VIEW IN TELEGRAM
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.
👍5🔥2
Кто этот, кто этот, кто этот парень с гитарой… Это же я.

Зеркальный тест пройден, но предстоят новые испытания.
🤣6🔥5❤‍🔥22😁1
Программа мероприятия и интерьер.
🔥2
Когнитивно нагруженный зеркальный тест
🔥5😁42
Участники конференции
👍73🥰3