考古学证据揭示冰河时代澳洲原住民仪式的持续传承 研究背景 本研究旨在探索原住民社会中通过考古学途径追溯传统仪式的可能性。工具书写的社会中，少有超过几百年的民族志知识能够通过考古学方法验证。研究团队应该Gunaikurnai原住民长者的邀请，在澳大利亚阿尔卑斯山脉的Cloggs洞穴开展了考古发掘。在Gunaikurnai区域，洞穴在19世纪中叶的殖民时期并未用于居住，而是作为原住民医疗人员和女性执行仪式的隐蔽场所。通过对Cloggs洞穴的发掘，考古学家发现了年代可追溯至冰河时代末期、距今约11,000至12,000年的迷你壁炉和修剪的木制物品，他们与19世纪民族志记载中的Gunaikurnai仪式装置相符。这一发现表明，一个具有民族志记载的仪式实践延续了500代，起源可以追溯至冰河时代末期。 ...

科研报告：心理健康对健康老龄化的因果效应 研究背景 随着人均寿命的显著增加，老龄化问题日益突出。人们面临的共病（comorbidity）和残疾、社会整体的医疗服务和财政稳定性等挑战日趋严重。实现健康老龄化，即使在寿命显著延长的情况下保持良好的健康质量成为了亟待解决的问题。心理健康（mental well-being）被认为在多种生活习惯和疾病中起着重要作用，并且是健康老龄化的关键因素。尽管一些调查和队列研究发现了心理健康与理想的身体健康、较好的功能能力或增加的生存率之间的联系，但由于观察性研究的内在局限性，如混杂偏倚和逆向因果关系，心理健康和健康老龄化之间的因果关系尚未得到确定。 此外，心理健康和老龄化轨迹与社会经济地位（SES，socioeconomic status）复杂交织，这进一步增...

比较11个国家的经验和描述基础经济偏好 背景与动机 近年来的研究显示，人类在对奖励价值的编码过程中存在高度情境依赖性，这在某些情况下会导致次优决策。然而，这种计算限制是否是人类认知的普遍特征仍不清楚。在这项研究中，作者研究了来自11个国家（阿根廷、伊朗、俄罗斯、日本、中国、印度、以色列、智利、摩洛哥、法国和美国）的561名个体的行为，旨在探索奖励价值编码的情境依赖性是否是人类认知的一致特征。 研究来源 该研究由Hernán Anlló、Sophie Bavard、Fatimaezzahra Benmarrakchi、Darla Bonagura等多位学者合作完成，分别来自多个国际知名学术机构，参与团队包括巴黎高等师范学校、瓦瑟达大学等。研究结果发表于《Nature Human Behavio...

背景介绍 人类语言处理的一个显著特点是我们能够将储存的字汇元素——即词汇——按需组合起来，从而灵活地生成或改变当前的意义。这一过程的核心在于我们如何实时构建意义表征。尽管关于句法结构生成的研究已取得稳定进展并引发了富有成效的讨论，但关于新语义配置如何随着时间推移被表示的研究则相对较少。约翰霍普金斯大学的研究团队基于现有文献，专门研究了语言中的否定操作如何影响词语语义表示，特别是形容词。这项研究为理解人类大脑如何在实时中代表意义变化提供了一块基石。 论文来源 这篇题为“Negation mitigates rather than inverts the neural representations of adjectives”的论文由Arianna Zuanazzi、Pablo Ripollé...

以原型为基础的样本加权蒸馏统一框架应用于缺失模态情感分析 研究背景 情感分析是自然语言处理(NLP)中的一个重要领域，随着社交媒体平台的发展，人们越来越倾向于通过简短的视频片段来表达他们的情感。这导致多模态数据的快速增长。然而，现实生活中经常会遇到模态缺失的情况，例如由于音频丢失、摄像头遮挡或语音转录错误等问题。在这种情况下，对缺失模态的情感分析成为一个具有挑战性的重要议题。多模态的异质性在尝试对所有模态在多模态网络上优化相同目标时，往往导致优化的不平衡问题，尤其是在模态缺失的情况下。现有的研究在处理模态缺失时，常常忽略了网络优化的不平衡问题。 研究来源 这篇论文由山东师范大学信息科学与工程学院的张玉娟、刘芳娥、庄旭强、侯英和张玉灵共同撰写，论文发表于2024年5月20日的《Neural N...

InA: 在预训练语言模型上的抑制自适应方法 预训练语言模型（Language Models, LMs）已经在自然语言处理（Natural Language Processing, NLP）任务中取得了显著的效果。然而，传统的微调方法存在冗余参数的问题，影响了效率和效果。为了应对这一挑战，本文提出了一种称为抑制自适应（Inhibition Adaptation, INA）的微调方法，用以减少添加的可调权重，并适当地再权重来自预训练语言模型的知识。 研究背景和问题 当前，微调预训练语言模型是一种常见的解决NLP下游任务的方法。然而，经典的微调方法需要更新所有的模型参数，这会导致冗余参数问题，尤其是当应用于新的下游任务时。冗余参数不仅影响模型的效率，还会阻碍模型性能的提升。为了解决这一问题，已有...

多尺度视觉中枢引导的多模态神经机器翻译：文本感知的跨模态对比解耦 学术背景 多模态神经机器翻译（Multi-Modal Neural Machine Translation, MNMT）旨在将语言无关的视觉信息引入文本以提升机器翻译的性能。然而，由于图像和文本在模态上的显著差异，这两者之间不可避免会出现语义不匹配的问题。解决这些问题的目标在于通过使用分解的多尺度视觉信息作为跨语言中枢，提高不同语言之间的对齐，从而改进MNMT的表现。 论文来源 这篇论文由朱俊俊、苏瑞和叶俊杰等研究人员撰写，作者分别来自昆明理工大学信息工程与自动化学院、云南大学信息科学与工程学院以及云南省人工智能重点实验室。论文将在2024年发表于著名期刊”Neural Networks”。 研究流程 研究工作主要分为以下几个...

用于语义分割的堆叠反卷积网络 引言 语义分割在计算机视觉领域中是一项关键任务，其目的是对图像中的每一个像素进行分类，预测其类别。然而，现有的全卷积网络（Fully Convolutional Networks, FCNs）在处理空间分辨率方面存在局限性，容易出现物体边界模糊和小物体丢失的问题。为了解决这些问题，本文提出了一种堆叠逆卷积网络（Stacked Deconvolutional Network, SDN）来提升语义分割的效果。 研究背景 在深度卷积神经网络（Deep Convolutional Neural Networks, DCNNs）的推动下，语义分割取得了显著进展。DCNN通过强大的学习能力可以获取高级语义特征，比如图像分类、目标检测和关键点预测等。然而，DCNN在语义分割任...

基于标签内容描述的透明化深度图像美学评估 学术背景 随着社交媒体平台如Instagram和Flickr的普及，图像美学评估（Image Aesthetics Assessment, IAA）模型的需求日益增长。这些模型不仅可以帮助社交网络服务提供商优化图片排序或推荐结果，还能帮助普通用户管理相册、选择最佳照片，甚至在拍摄和编辑过程中提供指导。然而，如何构建一个稳健的IAA模型一直是一个挑战，因为图像美学的复杂性包括对象、摄影技术等多个因素。 研究动机 现有的深度学习方法虽然在IAA中表现出色，但其内部机制仍不明确。大多数研究通过隐性学习语义特征来预测图像美学，但这些方法未能直接解释这些特征具体代表了什么。本文的核心目标是创建一个更透明的IAA框架，引入可解释的语义特征，以人类可读的标签描述图...

由大脑皮质发音表征驱动的双语语音神经假体 背景 在神经假体的发展过程中，从大脑活动解码语言的研究一直集中在单一语言的解码上。因此，双语言语产生依赖于不同语言的独特或共享皮层活动的程度仍不清楚。当前研究通过电皮层图（electrocorticography, ECoG）结合深度学习和统计自然语言模型来记录和解码一名西班牙语-英语双语患者的言语运动皮层活动，并将其转化为两种语言的句子。该研究旨在解决双语解码的实际应用问题，尤其是在不需要手动指定目标语言的情况下，实现言语解码。 言语丧失症（anarthria），即失去清晰发音的能力，是中风和肌萎缩侧索硬化症等神经疾病的严重症状之一。目前，侵入性言语脑-计算机接口（BCI）正在被开发，以通过解码皮层活动恢复患者的自然沟通能力。然而，现有的言语BCI...