Искусственный интеллект помогает классифицировать фазы сна лабораторных мышей |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2019-12-08 10:47 Группа ученых из Университета Цукубы в Японии разработала новую программу на основе искусственного интеллекта для автоматической классификации фаз сна мышей – в системе совместили две популярные технологии машинного обучения. Алгоритм назвали MC-SleepNet, ему удалось добиться точности в 96% и бесперебойной работы вне зависимости от помех в биологических сигналах. Новая система автоматической классификации способна существенно облегчить работу сомнологов при анализе результатов экспериментов. Сомнологи – ученые, исследующие сон – часто используют мышей в качестве моделей для анализа изменений мозговой активности в разных фазах сна. Фазы разделяют на бодрствование, быстрый сон (REM) и медленный сон (non-REM). Ранее ученым, анализирующим мозговые волны спящих мышей, приходилось вручную классифицировать огромные массивы данных – к этой работе часто привлекают студентов. Эта стадия существенно задерживала исследования. Программа из Университета Цукубы, в свою очередь, автоматически классифицирует фазы сна на основе данных электроэнцефалограммы (ЭЭГ) и электромиограммы (ЭМГ), которые отражают электрические сигналы мозга и всего тела. Ученые совместили два метода машинного обучения, сверточные нейронные сети и рекуррентные нейронные сети с краткосрочной памятью. Такой подход позволил значительно повысить точность по сравнению с самыми продвинутыми системами автоматизации. Именно разделение задач между двумя технологиями машинного обучения стало основным преимуществом нового подхода. Сначала сверточная сеть выделяет фокусные точки в записи электронных сигналов. После этого данные передаются рекуррентной сети, которая определяет наиболее важные характеристики конкретной фазы сна. Исследователи намерены использовать новую систему для классификации сна людей. В любом случае, программа уже способна ускорить анализ данных экспериментов на мышах – тогда ученые смогут лучше понять универсальные механизмы сна. Источник: www.robogeek.ru Комментарии: |
|