腾讯老qq分分彩必赢计划app

<p>研究人员展示了一种过滤垃圾邮件的算法如何从几小时的视频片段中学会挑选出微小的,池塘居住的Hydra的完整行为曲目</p><p>在上图中,hydra的神经元被标记为绿色荧光指示器(Yuste Lab,Columbia)大学)多年来生物学家对动物行为的了解大部分来自仔细观察和辛苦笔记很快就会有更简单的方法在eLife杂志的一项新研究中,哥伦比亚大学的研究人员展示了一种过滤垃圾邮件的算法如何学习从几小时的视频片段中挑选出小型,池塘栖息的Hydra A珊瑚,果冻和海葵的近亲的完整行为曲目,Hydra非常原始,缺乏骨干或大脑但是当它移动时,饲料并且躲避掠食者,它以可预测的方式运行,计算机可以识别通过比较Hydra的行为与其神经元的发射,研究人员希望最终了解h它的神经系统,以及更复杂的动物的神经系统,作品“人们已经使用机器学习算法来部分分析果蝇的飞行方式,蠕虫是如何爬行的,但这是对动物行为的第一次系统描述,”该研究的资深作者,哥伦比亚大学神经科学家Rafael Yuste和哥伦比亚数据科学研究所的成员“现在我们可以实时测量Hydra的整体行为,我们可以看到它是否可以学习,如果可以,它是如何学习的神经元回应“当研究人员操纵Hydra的环境条件时,他们发现在上面的电影中捕获的六种常见行为几乎没有改变(Yuste Lab /哥伦比亚大学)Hydra的祖先在大约7亿年前出现在地球上,在寒武纪爆发之前产生了大多数现代物种而不是大脑,数百个神经元沿着其狭窄,半透明的身体运行协调行为,从基本 - 卷曲到球为了避免掠食者 - 变得复杂 - 在某些早期的Current Biology研究中,Yuste及其同事记录了所有神经元实时发射并发现了四组控制四种不同伸长和弯曲行为的神经回路,铺路了解Hydra神经系统如何调节其行为的方法在当前的研究中,该团队更进一步尝试对Hydra的完整行为进行编目</p><p>为此,他们将流行的“词袋”分类算法应用于数小时的镜头追踪Hydra的一举一动正如算法分析单词在文本体中出现的频率来挑选主题(和标志,例如,类似垃圾邮件的模式),它循环通过Hydra视频并识别重复运动他们的算法识别10先前描述行为,并衡量这些行为中的六种如何应对不同的环境条件对研究人员的影响Hydra的行为几乎没有改变“无论你是否喂它,打开或关闭灯光,它像Energizer兔子一样反复做同样的事情,”Yuste说</p><p>研究人员认为Hydra可能已经发展出一种调整方式</p><p>它的环境好像在自动驾驶它们现在正在试验其他的刺激,看看Hydra是否会做出反应和学习最终,他们希望用一个显示其神经元网络如何创造行为的模型破解其神经代码上面的延时图像显示Hydra通过翻筋斗,它的主要运动形式(Yuste Lab /哥伦比亚大学)从Hydra学到的经验教训对于维护机器,从船到飞机的稳定性和精确控制的工程分支也很有用,高度导航变化的条件甚至像Hydra这样的简单动物的神经系统已经进化到保持其行为的稳定性,Yuste表示如果工程师可以解开他们的秘密,可以注入技术d具有生物学启发的控制,已经发展了数亿年“逆向工程Hydra有可能教会我们这么多东西,”该研究的主要作者,Shuting Han,哥伦比亚大学的研究生,在Yuste实验室,该研究的其他作者,Ekaterina Taralova和ChristopheDupré,现在在创业公司Zoox Inc和哈佛出版社:Shuting Han等人,“Hydra行为的综合机器学习分析揭示了稳定的基础行为曲目”,eLife,2018; 7:e32605 ; DOI: