Индивидуальные стратегии игнорирования несущественной информации отражаются в различных нейронных сигнатурах во время временного внимания.

Понимание речи в шумных условиях сильно зависит от бинауральных подсказок, таких как межушные временные и уровеньные различия (ITDs и ILDs), которые поддерживают пространственное слуховое восприятие и сегрегацию конкурирующих звуковых источников. Когда эти подсказки ухудшаются, слушатели испытывают значительные трудности в сложных акустических условиях. Поведенческие меры бинауральной выгоды, такие как различия уровней маскировки и различия уровня разборчивости, а также пространственное освобождение от маскировки (SRM), хорошо изучены у слушателей с нормальным слухом (NH), однако они требуют активного поведенческого ответа. Нейронное отслеживание речи с использованием электроэнцефалографии (ЭЭГ) стало многообещающим подходом для количественной оценки нейронной обработки непрерывной речи, однако его чувствительность к пространственным слуховым подсказкам остается недостаточно охарактеризованной. Мы исследовали нейронные корреляты пространственного освобождения от маскировки у слушателей с нормальным слухом с использованием нейронного отслеживания речи на основе ЭЭГ. Девятнадцать участников слушали непрерывные голландские речевые истории, представлены с маскирующим шумом в двух пространственных конфигурациях: совмещенные (S0N0) и пространственно разделенные (S0N90) при различных соотношениях сигнал-шум (SNR). Нейронное отслеживание огибающей волны речи было количественно оценено с помощью анализа реконструкции огибающей волны и анализа временной реакции (TRF). Пространственное разделение усилило нейронное отслеживание огибающей волны целевой речи, особенно при сложных соотношениях SNR, где также наблюдалось поведенческое SRM. Анализ TRF дополнительно показал, что увеличились амплитуды и уменьшились задержки поздних корковых компонентов, что соответствует эффектам пространственного раскрепощения. Эти результаты демонстрируют, что нейронное отслеживание речи фиксирует корковые сигнатуры пространственного раскрепощения и closely отображает поведенческие улучшения в понимании речи. Установление этих взаимосвязей у слушателей с нормальным слухом поддерживает разработку объективных нейронных мер для оценки бинауральной выгоды у трудно тестируемых групп.

Выравнивание белков является незаменимым инструментом для биологических открытий, поддерживая сравнение структур, функциональную аннотацию и эволюционные выводы. Хотя методы, основанные на структуре, очень эффективны для обнаружения структурного сходства, их применение ограничено ограниченной доступностью экспериментально разрешенных структур белков и высокой вычислительной сложностью. Подходы, основанные на последовательностях, с использованием предварительно обученных языковых моделей белков (pLMs), предлагают масштабируемые альтернативы, однако контролируемые методы, основанные на дифференцируемом динамическом программировании, не всегда превосходят более простые неконтролируемые стратегии. В данной работе мы представляем CLAlign, структуреосознательную рамочную систему для выравнивания белков, основанную на контрастном обучении. CLAlign дообучает предварительно обученную pLM для генерации структурыосознательных эмбеддингов на уровне остатков, обогащенных структурным контекстом, не полагаясь на дифференцируемое динамическое программирование. Это первая контролируемая методика, которая последовательно превосходит неконтролируемые методы на основе pLM и естественно расширяется как для выравнивания на основе последовательности, так и на основе структуры, гибко принимая различные кодировщики языковых моделей белков. CLAlign достигает передовой точности на контрольных точках MALIDUP и MALISAM, значительно превосходя существующие последовательные методы, оставаясь при этом высокоэффективным. Более того, его показатели выравнивания имеют четкую биологическую интерпретацию: при обнаружении удаленной гомологии на SCOPe CLAlign показывает сопоставимые результаты с методами на основе структур, такими как TM-align, в то время как значительно превосходит все базовые методы на основе последовательностей. В совокупности эти результаты утверждают CLAlign как простую, расширяемую и биологически значимую основу для выравнивания белков.

Поэзия конденсирует язык в минимальные формы, вызывая эмоции, визуальные образы и эстетические суждения, однако нейронная основа таких оценок остается плохо изученной. Мы исследовали, как мозг оценивает две структурно сопоставленные, но тематически разные поэтические формы: хайку на тему природы и сенрю на тему эмоций. Участники читали стихи и оценивали их по пяти критериям - эстетическая привлекательность, яркость образов, эмоциональная вовлеченность, оригинальность и креативность - в то время как записывалась ЭЭГ. Используя многоклассовые модели градиентного бустинга с SHapley Additive exPlanations, мы предсказали оценочные рейтинги на основе осцилляторных нейронных характеристик в разных временных окнах и областях скальпа. Модели показали лучшие результаты по сравнению с линейными базовыми моделями и имели ограниченную обобщаемость между темами, указывая на контентно-специфическое нейронное кодирование. Обнаружились различия в процессах обработки: сенрю продемонстрировала более сильные вкладки в бета-диапазон, в то время как хайку задействовало более распределенные многочастотные динамики. Временные профили также различались, при этом хайку показывало устойчивое вовлечение на этапах чтения и размышления, а сенрю демонстрировала более раннюю оценку во время чтения. Предшествующая нейронная активность способствовала предсказанию последующих оценок, что предполагает роль предвосхищающего состояния мозга в эстетической оценке. По всем стихотворениям оценочные измерения сходились на доминирующей общей оси, которая надежно предсказывалась на основе нейронных характеристик. В совокупности эти результаты указывают на то, что эстетическая оценка поэзии отражает взаимодействие между предвосхищающими нейронными состояниями, контентно-специфической осцилляторной динамикой и процессами, специфичными для измерений, организованными вокруг общей оценочной оси. Эта работа устанавливает поэзию как удобную модельную систему для изучения того, как мозг конструирует смысл и ценность из минимального языкового ввода.

Беспилотные летательные аппараты (БПЛА) играют важную роль в различных гражданских и коммерческих приложениях, что требует точной классификации их радиочастотных (РЧ) сигналов. Современные подходы на основе глубокого обучения сталкиваются с высокой вычислительной сложностью, чувствительностью к шуму и ограниченной точностью. В данной статье предлагается новая структура классификации сигналов БПЛА, которая сочетает в себе вейвлетное извлечение признаков с иерархической архитектурой U-Net, дополненной механизмами внимания с раздельным временем (STCA) и остаточной связанностью. Модель WUSTCA эффективно классифицирует сигналы БПЛА и их контроллеров, достигая средней точности классификации 96,6% для БПЛА и 95,83% для контроллеров БПЛА на наборе данных CardRF. Решая такие проблемы, как помехи шума и разнообразие сигналов, данная работа предоставляет надежное и эффективное решение для классификации сигналов БПЛА, открывая путь для приложений в реальном времени в сложных условиях.

Аутизм и расстройства спектра аутизма (РАС) затрагивают десятки миллионов семей по всему миру, однако родители сталкиваются с обилием, но ненадёжными онлайн-советами и ограниченным доступом к своевременному, сочувственному руководству. Чтобы заполнить этот критический пробел, мы разработали Starmate (http://kefeng.mpu.edu.mo/starmate) — ИИ-ассистент с 1,5 миллиарда параметров, адаптированный для опекунов людей с РАС, используя строгую ориентированную на пользователя смешанную методологию. На основе углублённых интервью и опроса Kano, который выявил «практическое руководство» как необходимое требование для опекунов, мы сконструировали новую модульную архитектуру, интегрирующую анализ настроений, извлечение знаний на основе графов, проверенное экспертами (LightRAG), и модель Qwen2.5-1.5B, специально подстроенную под нашу домен. В слепом сравнении с ведущими коммерческими крупными языковыми моделями, Starmate показал улучшенные результаты по ключевым метрикам в рамках данной оценки (86.76 против 78.43-83.84) и продемонстрировал конкретные преимущества в области эмпатии, практического руководства и логической ясности. Автоматизированное бенчмаркинг также подтвердило эти результаты, с высокими оценками по профессиональной точности (86.18), эмпатии (86.79) и практическому руководству (82.58). Эти результаты демонстрируют техническую возможность легковесной, ориентированной на конфиденциальность, специализированной крупной языковой модели для генерации точных, эмпатичных и действенных ответов в бенчмаркинговых сценариях, создавая основу для будущей реальной пригодности и клинического тестирования.

Статистическая визуализация обычно рассматривается как визуальный носитель, но данные также можно воспринимать на ощупь. Трехмерные тактильные графики позволяют студентам с нарушениями зрения ощущать распределения, отслеживать тенденции и исследовать взаимосвязи через прямое тактильное взаимодействие. Однако использование таких графиков в классе остается ограниченным, поскольку создание каждого графика в CAD-программном обеспечении требует специализированных навыков и часов ручной работы. Мы рассматриваем эту проблему как программную через трехуровневый повторно используемый конвейер, состоящий из около 1500 строк JavaScript. Первый уровень автоматически извлекает параметры тактильного дизайна на основе размеров пластины с использованием исследований в области тактильного восприятия. Второй уровень предоставляет общую структуру графиков и пять модульных средств для построения разбросов, столбчатых диаграмм, гистограмм, линейных графиков и бокспотов. Необязательный третий уровень использует мультимодельную языковую модель для извлечения структурированных спецификаций графиков из загруженных изображений, с обязательной проверкой со стороны учителя перед созданием печатной версии. Конвейер генерирует готовые для печати двоичные файлы на языке стандартной тесселяции за менее чем 250 миллисекунд. Мы представляем дизайн, производительность и ограничения.