脑机接口 / BCI

Updating the standard neuron model in artificial neural networks

更新人工神经网络中的标准神经元模型

Raul Mohedano, Thomas Batard, Erik Velasco-Salido, Ramsses De Los Santos Mendoza, Jorge H. Martínez, Stacey Levine, Marcelo Bertalmío

机构 * Spanish National Research Council (CSIC)（西班牙国家研究理事会（CSIC）） ； Center for Research in Mathematics (CIMAT)（数学研究中心（CIMAT）） ； Universidad Autónoma de Madrid (UAM)（马德里自治大学（UAM）） ； National Science Foundation (NSF)（国家科学基金会（NSF）） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 本文用更真实的皮层细胞模型替代标准点神经元模型，在不增加参数的情况下，提升了人工神经网络的表达能力、鲁棒性和学习速度，并减少了记忆化和所需训练数据量。

Comments Acknowledgments included in the manuscript

Decoding Naturalistic Emotion Dynamics from the Brain: An LLM-Enhanced Regression Framework

从大脑解码自然情感动态：一种LLM增强的回归框架

Lemei Zhang, Peng Liu, Hans Dahle Kvadsheim, August Sætre Aasvær, Shuer Ye, Reza Bonyadi, Maryam Ziaei, Jon Atle Gulla

机构 * NTNU（挪威科技大学） ； Kavli Institute for Systems Neuroscience, NTNU（挪威科技大学卡弗里系统神经科学研究所） ； Microsoft（微软） 纠错

专题命中 神经信号处理 ：neural signal(abstract)；分类 cs.LG

AI总结 提出多目标回归框架，利用LLM从自然叙事中提取连续情感特征，结合动态功能连接和机器学习算法，实现从fMRI数据中解码连续情感轨迹，并揭示可解释的情感特异性脑网络拓扑。

Discrete signaling mediates chaotic regularization in recurrent neural networks

离散信号介导递归神经网络的混沌正则化

Jan Bauer, Christian Keup, Jonathan Kadmon, Moritz Helias

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 通过结合核方法和动态平均场理论，揭示了混沌动力学如何在递归神经网络中引入局部粗糙度并保持全局平滑性，从而作为内在正则化器增强泛化能力，并解释了混沌网络如何维持平滑的群体编码。

Competition, stability, and functionality in excitatory-inhibitory neural circuits

兴奋-抑制神经回路中的竞争、稳定性和功能

Simone Betteti, William Retnaraj, Alexander Davydov, Jorge Cortés, Francesco Bullo

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 通过博弈-能量框架和网络稳定性原理，研究不对称兴奋-抑制神经网络的动力学、调控及其在侧抑制微电路对比增强中的作用。

System Identification of a Multi-timescale Adaptive Threshold Neuronal Model

多时间尺度自适应阈值神经元模型的系统辨识

Amirhossein Jabalameli, Aman Behal

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文研究了多时间尺度自适应阈值神经元模型的参数估计问题，通过系统动态操控，将阈值电压建模为线性参数模型，利用预测误差框架识别阈值参数以精确预测单个神经元放电时间。

Brain activity mapping from MEG data via a hierarchical Bayesian algorithm with automatic depth weighting: sensitivity and specificity analysis

通过层次贝叶斯算法与自动深度加权从MEG数据中映射脑活动：灵敏度和特异性分析

Daniela Calvetti, Annalisa Pascarella, Francesca Pitolli, Erkki Somersalo, Barbara Vantaggi

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文提出新的统计协议评估MEG反演求解器的性能，比较IAS与wMNE、dSPM、sLORETA在灵敏度和特异性上的表现，揭示其在皮层和皮下活动估计中的优势。

On the simulation of nonlinear bidimensional spiking neuron models

关于非线性二维尖峰神经元模型的模拟

Jonathan Touboul

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 针对二维尖峰神经元模型，研究了固定时间步长积分方法的系统误差，并提出了一种基于变步长积分的新算法以实现高精度模拟。

State and Parameter Estimation for a Neural Model of Local Field Potentials

局部场电位神经模型的状态与参数估计

Daniele Avitabile, Gabriel J. Lord, Khadija Meddouni

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 针对小鼠自然睡眠皮层局部场电位数据，采用离散化Wilson-Cowan Amari神经场模型结合贝叶斯数据同化方法，实现状态与参数的联合估计，并验证了方法在合成数据与真实数据上的可行性。

MIRAGE: Adaptive Multimodal Gating for Whole-Brain fMRI Encoding

MIRAGE：用于全脑fMRI编码的自适应多模态门控

Abdulkadir Gokce, Badr AlKhamissi, Martin Schrimpf

机构 * Qwen3-Omni-30B-A3B-Thinking（通义千问3- Omni-30B-A3B-Thinking） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 提出MIRAGE框架，通过原生多模态骨干网络和自适应特征门控，实现全脑fMRI对自然视听刺激的高精度编码，并证明原生多模态特征优于后期融合的单模态特征。

Comments Preprint. First two author contributed equally

Misalignment Between Backpropagation and the Hierarchy of Brain Responses to Images

反向传播与大脑对图像响应的层级结构之间的错位

Joséphine Raugel, Maximilian Seitzer, Marc Szafraniec, Huy V. Vo, Jérémy Rapin, Patrick Labatut, Piotr Bojanowski, Valentin Wyart, Jean-Rémi King

机构 * Meta AI ； Ecole Normale Supérieure, PSL University（巴黎高等师范学院，PSL大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 通过fMRI和MEG记录人类对自然图像的脑响应，发现预训练模型的反向传播梯度虽能预测高级视觉皮层和晚期信号，但其时空组织与大脑层级结构不一致，表明深度网络与大脑可能依赖不同的学习机制。

Comments 13 pages, 9 figures

Multi-Objective Optimisation with Oscillatory Dynamics in Spontaneous and Decision Spiking Neural Networks

自发与决策脉冲神经网络中具有振荡动力学的多目标优化

Divyansh Sethi, Muhammad Faraz, KongFatt Wong-Lin

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本研究扩展了遗传算法（NSGA-III）在基于Izhikevich神经元的递归脉冲神经网络上的应用，通过优化连接参数以同时匹配目标神经元群体发放率和网络振荡频率，并在自发活动模型、低激活脑类器官和决策模型中验证了其有效性。

Train-Free Segmentation in MRI with Cubical Persistent Homology

基于立方体持续同调的MRI无训练分割

Anton François, Raphaël Tinarrage

机构 * Centre G. Borelli ； ENS Paris-Saclay（巴黎-萨克雷大学） ； IST Austria（IST奥地利研究所） ； EMAp, Fundação Getulio Vargas（EMAp，格洛里亚·瓦格斯基金会） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 提出一种基于拓扑数据分析的无训练MRI分割框架，通过自动阈值、提取已知拓扑子集和分解成分三步实现，利用持续同调中的近似代表循环建立拓扑特征与解剖成分的可解释联系，在胶质母细胞瘤和胎儿皮质板分割中验证有效性。

Comments Similar to the published version. 22 pages, 11 figures, 3 tables. For associated code, see https://github.com/antonfrancois/gliomaSegmentation_TDA

Journal ref Journal of Mathematical Imaging and Vision 68, 20 (2026)

Scalable Construction of Spiking Neural Networks using up to thousands of GPUs

利用千级GPU构建可扩展的脉冲神经网络

Bruno Golosio, Gianmarco Tiddia, José Villamar, Luca Pontisso, Luca Sergi, Francesco Simula, Pooja Babu, Elena Pastorelli, Abigail Morrison, Markus Diesmann, Alessandro Lonardo, Pier Stanislao Paolucci, Johanna Senk

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文提出一种基于MPI的多GPU集群构建大规模脉冲神经网络的方法，通过高效管理通信与内存，实现对神经网络的可扩展模拟。

Journal ref Neuromorphic Computing and Engineering, Volume 6, Number 2, 024012, 2026

Empirical scaling laws in balanced networks with conductance-based synapses

平衡网络中基于电导的突触的经验尺度定律

Vicky Zhu, Gabriel Ocker, Robert Rosenbaum

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 研究通过计算机模拟显示，基于电导的突触和尖峰时间相关性结合可产生更真实的膜电位变异性，证明更真实的建模假设能提升动态真实性。

Scaling Laws and Tradeoffs in Recurrent Networks of Expressive Neurons

在表达性神经元的递归网络中缩放规律与权衡

Aaron Spieler, Georg Martius, Anna Levina

机构 * University of Tübingen, Germany（图宾根大学，德国） ； Max Planck Institute for Biological Cybernetics, Tübingen, Germany（生物感知研究所，图宾根，德国） ； Max Planck Institute for Intelligent Systems, Tübingen, Germany（智能系统研究所，图宾根，德国） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 本文探讨了在固定参数预算下，递归网络中神经元数量、每单位有效复杂度和连接度的最优分配问题，通过ELM网络验证了复杂度与连接度的权衡关系，并提出了信息论模型解释其结果。

Comments 25 pages, 21 figures, 3 tables, including derivations. Submitted for peer review

Self-organized MT Direction Maps Emerge from Spatiotemporal Contrastive Optimization

自组织的MT方向图从时空对比优化中涌现

Zhaotian Gu, Molan Li, Jie Su, Chang Liu, Tianyi Qian, Dahui Wang

机构 * School of System Science, Beijing Normal University, Beijing 100875, China（北京师范大学系统科学学院，北京100875，中国） ； State Key Laboratory of Cognitive Neuroscience and Learning, Beijing Normal University, Beijing 100875, China（北京师范大学认知神经科学与学习国家重点实验室，北京100875，中国） ； Qiyuan Laboratory, Beijing 100095, China（启元实验室，北京100095，中国） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文提出一种时空TDANN，通过对比学习揭示MT区域方向选择性图的形成机制，发现其拓扑pinwheel结构和方向选择性源于任务驱动与空间正则化的优化平衡。

Cortico-cerebellar modularity as an architectural inductive bias for efficient temporal learning

皮层-小脑模组作为高效时间学习的架构归纳偏差

Alexandra Voce, Emmanouil Giannakakis, Claudia Clopath

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 研究通过在RNN中引入小脑启发的前馈模块，验证了皮层-小脑模组在提升时间学习效率中的作用，发现该架构在多种任务中表现更优。

Zero-Shot Imagined Speech Decoding via Imagined-to-Listened MEG Mapping

通过想象到聆听的MEG映射实现零样本想象语音解码

Maryam Maghsoudi, Shihab Shamma

机构 * University of Maryland College Park（马里兰大学学院市） 纠错

专题命中 神经信号处理 ：brain-computer interface(abstract)；分类 cs.LG

AI总结 本文提出利用聆听语音记录提高想象语音解码的可靠性，通过三阶段流程揭示神经活动与语音刺激的关系，证明想象语音可显著高于随机水平解码。

Reason to Play: Behavioral and Brain Alignment Between Frontier LRMs and Human Game Learners

玩乐的动机：前沿LRMs与人类游戏学习者的行为与大脑对齐

Botos Csaba, Sreejan Kumar, Austin Tudor David Andrews, Laurence Hunt, Chris Summerfield, Joshua B. Tenenbaum, Rui Ponte Costa, Marcelo G. Mattar, Momchil Tomov

机构 * University of Oxford（牛津大学） ； Columbia University（哥伦比亚大学） ； New York University（纽约大学） ； Massachusetts Institute of Technology（麻省理工学院） ； Harvard University（哈佛大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文研究了前沿LRMs在游戏学习中的行为与大脑活动对齐情况，发现其在游戏发现阶段更接近人类行为，并能更准确预测大脑活动。

Partitioning Neural Co-Variability

神经共同变异性划分

Skyler Thomas, Brandon J. Zhu, Kathleen E. Cullen, Adam S. Charles

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文提出PMNLV模型，通过矩阵正态先验扩展单神经元过分散性，以捕捉神经群体的过分散结构。该模型结合变分EM和核竞赛方法，有效恢复神经元间和时间协方差因素，揭示初级视觉皮层中共享群体协变性峰值现象。

Leveraging fNIRS to Evaluate Workload for Adaptive Training in Virtual Reality

利用fNIRS评估虚拟现实中的工作负荷以实现自适应训练

Cara A. Spencer, Christopher D. Wickens, Jalynn B. Nicoly, James Crum, Benjamin A. Clegg, Joanna E. Lewis, Francisco R. Ortega, Lucas Plabst, Rebecca L. Pharmer, Leanne Hirshfield

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.HC

AI总结 本研究利用fNIRS评估虚拟现实训练中的认知负荷，验证其在自适应训练中的有效性，发现内在负荷与任务相关的大脑区域激活，而外在负荷则表现为无关脑区活动。

Comments This work has been submitted to the IEEE for possible publication

A multi-scale information geometry reveals the structure of mutual information in neural populations

多尺度信息几何揭示神经群体中互信息的结构

Simone Azeglio, Steeve Laquitaine, Ulisse Ferrari, Matthew Chalk

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文提出一种多尺度信息几何方法，通过基于原理的距离收缩机制揭示神经群体中互信息的结构，利用扩散模型估计度量张量，为神经编码提供了信息论框架。

Bridging visual saliency and large language models for explainable deep learning in medical imaging

弥合视觉显著性与大语言模型以实现医学影像中可解释的深度学习

Paul Valery Nguezet, Elie Tagne Fute, Yusuf Brima, Benoit Martin Azanguezet, Marcellin Atemkeng

机构 * Department of Mathematics and Computer science（数学与计算机科学系） ； Institute of Cognitive Science（认知科学研究所） ； Rhodes University（罗德斯大学） ； National Institute for Theoretical and Computational Sciences (NITheCS)（理论与计算科学国家研究所） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 本文提出一种多模态可解释框架，通过结合CNN和大语言模型，生成脑肿瘤分类的可操作临床见解，提升深度学习在医学影像中的透明度和临床责任性。

Structure as Computation: Developmental Generation of Minimal Neural Circuits

结构作为计算：发育生成最小神经回路

Duan Zhou

机构 * independent（独立） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 研究通过模拟神经发生发育过程，生成最小神经回路，展示发育规则能构建高效学习的拓扑结构。

Formation of Artificial Neural Assemblies by Biologically Plausible Inhibition Mechanisms

通过生物合理抑制机制形成人工神经元集合

Lucas Hoff, Gustavo Soroka, Matheus Guimarães, Aline Villavicencio, Marco Idiart

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文提出E%-winners-take-all机制，结合皮层区域中兴奋性与抑制性神经元比例，改进了Assembly Calculus模型，使网络自身动态决定神经元集合大小并提升刺激恢复率。

Comments 9 pages, 4 figures

Detecting Invariant Manifolds in ReLU-Based RNNs

在基于ReLU的RNN中检测不变流形

Lukas Eisenmann, Alena Brändle, Zahra Monfared, Daniel Durstewitz

机构 * Central Institute of Mental Health, Mannheim, Germany（德国曼海姆中央心理健康研究所） ； Heidelberg University, Heidelberg, Germany（德国海德堡大学） ； Interdisciplinary Center for Scientific Computing, Heidelberg University, Germany（德国海德堡大学跨学科科学计算中心） ； Faculty of Mathematics and Computer Science, Heidelberg University, Heidelberg, Germany（德国海德堡大学数学与计算机科学学院） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 cs.LG

AI总结 本文提出一种新算法，用于检测RNN中的稳定与不稳定流形，重点在于使用ReLU激活函数的分段线性RNNs，以揭示多稳态和混沌动态特性。

Improved classification of Alzheimer's disease and mild cognitive impairment through dynamic functional network analysis

通过动态功能网络分析改进阿尔茨海默病和轻度认知障碍的分类

Nicolas Rubido, Venia Batziou, Marwan Fuad, Vesna Vuksanovic

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文通过动态功能网络分析，发现阿尔茨海默病在功能连接上有显著差异，结合随机森林模型实现了对MCI、AD和正常组的准确分类。

Bridging Brains and Machines: A Unified Frontier in Neuroscience, Artificial Intelligence, and Neuromorphic Systems

连接大脑与机器：神经科学、人工智能与神经形态系统的统一前沿

Sohan Shankar, Yi Pan, Hanqi Jiang, Zhengliang Liu, Mohammad R. Darbandi, Agustin Lorenzo, Junhao Chen, Weihang You, Md Mehedi Hasan, Arif Hassan Zidan, Eliana Gelman, Joshua A. Konfrst, Jillian Y. Russell, Katelyn Fernandes, Tianze Yang, Yiwei Li, Huaqin Zhao, Afrar Jahin, Triparna Ganguly, Shair Dinesha, Yifan Zhou, Zihao Wu, Xinliang Li, Lokesh Adusumilli, Aziza Hussein, Sagar Nookarapu, Jixin Hou, Kun Jiang, Jiaxi Li, Brenden Heinel, XianShen Xi, Hailey Hubbard, Zayna Khan, Levi Whitaker, Ivan Cao, Max Allgaier, Andrew Darby, Lin Zhao, Lu Zhang, Xiaoqiao Wang, Xiang Li, Wei Zhang, Xiaowei Yu, Dajiang Zhu, Yohannes Abate, Tianming Liu

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 本文探讨神经科学、通用人工智能与神经形态计算的融合，提出基于脑生理学的框架，总结了突触可塑性、稀疏脉冲通信和多模态关联在下一代AGI系统中的应用，并讨论了突破冯·诺依曼瓶颈的物理子系统及四个关键挑战。

PaceLLM: Brain-Inspired Large Language Models for Long-Context Understanding

PaceLLM：用于长上下文理解的脑启发式大语言模型

Kangcong Li, Peng Ye, Chongjun Tu, Lin Zhang, Chunfeng Song, Jiamin Wu, Tao Yang, Qihao Zheng, Tao Chen

机构 * School of Information Science and Technology, Fudan University（复旦大学信息科学与技术学院） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； The Chinese University of Hong Kong（香港中文大学） 纠错

专题命中 神经信号处理 ：cortical(abstract)；分类 q-bio.NC

AI总结 PaceLLM通过引入持久活动机制和皮层专家聚类，解决大语言模型在长上下文中的信息衰减和语义碎片化问题，提升多文档问答和无限基准任务性能，扩展上下文长度至200K tokens。

Comments Accepted by NeurIPS 2025

Dual-Timescale Hebbian Accumulators for Online Spiking Neural Network Decoding in Intracortical Brain Machine Interfaces

双时间尺度赫布累积器用于脑机接口中脊髓神经网络的在线解码

Sriram V. C. Nallani, Sahil Shah

专题命中 神经信号处理 ：neural signal(abstract)；分类 eess.SP

AI总结 本文提出一种双时间尺度赫布累积器学习规则，用于在线更新脊髓神经网络解码，实现内存预算内持续适应神经信号不稳定，提升解码精度与效率。

Comments 9 pages, 7 figures. Replacement reason - corrections in metadata and PDF