Горячая новинка NeurIPS 2025 для долгосрочных нейроинтерфейсов
По сути, создан рецепт, как строить нейроинтерфейсы, которые:
• сразу дают высокую точность
• не теряют её через год-два-три
Проблема всех текущих лидеров нейроинтерфейсов (BCI) - то, что они работают на спайках → супер-точно, но сигнал деградирует за месяцы-годы. LFP (локальные полевые потенциалы) стабильны годами, но точность декодирования намерений обычно сильно ниже.
Команда из Стэнфорда показала, как это исправить раз и навсегда:
Они научились «перегонять» высокоточные представления из больших спайковых трансформеров в LFP-модели.
Результаты:
1. Точность LFP-моделей подскакивает до уровня близкого к спайковым
2. Модель обобщается на новые сессии без дополнительной дистилляции
3. На инференсе нужны только LFP — спайки больше не требуются вообще
4. Скрытые представления LFP-модели становятся почти идентичны спайковыми.
_______
Источник | #blockchainRF
@F_S_C_P
▪️Генерируй картинки и видео в Mini App:
Flux + Veo 3 + Wan 2.2 + MidJourney v7 + другие
По сути, создан рецепт, как строить нейроинтерфейсы, которые:
• сразу дают высокую точность
• не теряют её через год-два-три
Проблема всех текущих лидеров нейроинтерфейсов (BCI) - то, что они работают на спайках → супер-точно, но сигнал деградирует за месяцы-годы. LFP (локальные полевые потенциалы) стабильны годами, но точность декодирования намерений обычно сильно ниже.
Команда из Стэнфорда показала, как это исправить раз и навсегда:
Они научились «перегонять» высокоточные представления из больших спайковых трансформеров в LFP-модели.
Результаты:
1. Точность LFP-моделей подскакивает до уровня близкого к спайковым
2. Модель обобщается на новые сессии без дополнительной дистилляции
3. На инференсе нужны только LFP — спайки больше не требуются вообще
4. Скрытые представления LFP-модели становятся почти идентичны спайковыми.
_______
Источник | #blockchainRF
@F_S_C_P
▪️Генерируй картинки и видео в Mini App:
Flux + Veo 3 + Wan 2.2 + MidJourney v7 + другие