Loading [MathJax]/jax/output/CommonHTML/config.js
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >不同支付方式也能调控大脑活动?

不同支付方式也能调控大脑活动?

原创
作者头像
悦影科技
修改于 2021-01-26 02:23:23
修改于 2021-01-26 02:23:23
8570
举报

《本文同步发布于“脑之说”微信公众号,欢迎搜索关注~~》

  1. Frontiers in Neuroscience:现金、银行卡或智能手机:支付方式的神经机制

信息技术的创新也改变了我们日常的支付方式,那么不同的支付方式会如何调控我们的大脑活动呢?近日,来自意大利的研究团队在Frontiers in Neuroscience杂志发表题目为《Cash, cardor smartphone: the neural correlates of payment methods》的研究论文,研究者采用fMRI研究了不同支付方式的神经机制。研究发现,与被试观看其他支付方式(银行卡或智能手机)的视频相比,被试观看现金支付的视频时,顶叶皮层(BA40)和右脑岛(INS)区域的激活程度显著增加;只有在现金支付的情况下,被试观看支付150欧元时的右侧BA40脑区激活程度显著强于被试观看支付50欧元和10欧元时的激活程度,而观看支付150欧元时的右侧INS和后扣带回皮的激活程度比观看10欧元时的显著增强。这些结果说明,现金对于我们人来说具有某种特殊的意义,似乎会涉及人的某种情感的参与(因为INS脑区在现金支付时激活度更强)。

  1. NeuroImage:早期皮层可塑性与基础的数学学习有关

孩子通过早期的核心数学能力锻炼,为随后的学习成绩奠定了一定的基础,然而,与早期数学学习中的个体差异相关的皮层变化过程仍知之甚少。近日,来自德国的研究团队在NeuroImage杂志上发表题目为《Early cortical surface plasticity relates to basic mathematical learning》的研究论文,研究者采用MRI和行为学评价的方法对上述问题进行了研究。研究中的实验对象是5-6岁的儿童,并且跟踪研究两年。结果发现,皮层表面的神经可塑性速率和儿童的早期数学技能之间存在重要联系,具体来说,儿童视觉空间能力的大部分行为学变异(约73%)是由右上顶皮质的皮层厚度变化所解释的,儿童算术能力的行为学变异的一半(约55%)是由右顶壁沟中皮层褶皱的变化所解释的。视觉空间能力与右前中枢和上腹皮层厚度以及右内侧额回褶皱可塑性有关。这些结果表明,皮质可塑性在获得基本数学能力中的关键作用。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
【哈工大团队】动态ReLU:自适应参数化ReLU及Keras代码(调参记录14)
本文介绍哈工大团队提出的一种动态ReLU(Dynamic ReLU)激活函数,即自适应参数化ReLU激活函数,原本是应用在基于一维振动信号的故障诊断,能够让每个样本有自己独特的ReLU参数,在2019年5月3日投稿至IEEE Transactions on Industrial Electronics,2020年1月24日录用,2020年2月13日在IEEE官网公布。
用户7368967
2020/05/27
4730
【哈工大团队】动态ReLU:自适应参数化ReLU及Keras代码(调参记录14)
深度残差网络+自适应参数化ReLU激活函数(调参记录17)
在调参记录16的基础上,增加了两个残差模块,继续测试其在Cifar10数据集上的效果。
用户6915903
2020/05/04
3210
深度残差网络+自适应参数化ReLU激活函数(调参记录17)
深度残差网络+自适应参数化ReLU激活函数(调参记录14)
这次再尝试解决过拟合,把残差模块的数量减少到2个,自适应参数化ReLU激活函数里面第一个全连接层的权重数量,减少为之前的1/8,批量大小设置为1000(主要是为了省时间)。
用户6915903
2020/05/04
2950
深度残差网络+自适应参数化ReLU激活函数(调参记录14)
深度残差网络+自适应参数化ReLU激活函数(调参记录16)
在调参记录15的基础上,将第一个残差模块的卷积核数量,从16个增加到32个,同时将自适应参数化ReLU激活函数中第一个全连接层的神经元个数改成原先的1/16,继续测试其在Cifar10数据集上的效果。
用户6915903
2020/05/04
4740
深度残差网络+自适应参数化ReLU激活函数(调参记录16)
深度残差网络+自适应参数化ReLU激活函数(调参记录6)
https://blog.csdn.net/dangqing1988/article/details/105627351
用户6915903
2020/04/22
4430
深度残差网络+自适应参数化ReLU激活函数(调参记录6)
深度残差网络+自适应参数化ReLU激活函数(调参记录7)
https://blog.csdn.net/dangqing1988/article/details/105628681
用户6915903
2020/04/22
3760
深度残差网络+自适应参数化ReLU激活函数(调参记录7)
深度残差网络+自适应参数化ReLU激活函数(调参记录12)
本文在调参记录10的基础上,在数据增强部分添加了zoom_range = 0.2,将训练迭代次数增加到5000个epoch,批量大小改成了625,测试Adaptively Parametric ReLU(APReLU)激活函数在Cifar10图像集上的效果。
用户6915903
2020/05/04
4320
深度残差网络+自适应参数化ReLU激活函数(调参记录12)
深度残差网络+自适应参数化ReLU激活函数(调参记录13)
从以往的调参结果来看,过拟合是最主要的问题。本文在调参记录12的基础上,将层数减少,减到9个残差模块,再试一次。
用户6915903
2020/05/04
3650
深度残差网络+自适应参数化ReLU激活函数(调参记录13)
深度残差网络+自适应参数化ReLU激活函数(调参记录5)
https://blog.csdn.net/dangqing1988/article/details/105610584
用户6915903
2020/04/22
4770
深度残差网络+自适应参数化ReLU激活函数(调参记录5)
【哈工大团队】动态ReLU:自适应参数化ReLU及Keras代码(调参记录13)
从以往的调参结果来看,过拟合是最主要的问题。本文在调参记录12的基础上,将层数减少,减到9个残差模块,再试一次。
用户7368967
2020/05/27
4540
【哈工大团队】动态ReLU:自适应参数化ReLU及Keras代码(调参记录13)
深度残差网络+自适应参数化ReLU激活函数(调参记录8)
https://blog.csdn.net/dangqing1988/article/details/105670981
用户6915903
2020/04/22
3960
深度残差网络+自适应参数化ReLU激活函数(调参记录8)
深度残差网络+自适应参数化ReLU激活函数(调参记录1)
本文采用了深度残差网络和自适应参数化ReLU激活函数,构造了一个网络(有9个残差模块,卷积核的个数比较少,最少是8个,最多是32个),在Cifar10数据集上进行了初步的尝试。
用户6915903
2020/04/21
3770
深度残差网络+自适应参数化ReLU激活函数(调参记录1)
一种Dynamic ReLU:自适应参数化ReLU激活函数(调参记录1)
自适应参数化ReLU是一种动态ReLU(Dynamic ReLU)激活函数,在2019年5月3日投稿至IEEE Transactions on Industrial Electronics,在2020年1月24日(农历大年初一)录用,于2020年2月13日在IEEE官网发布预览版。
用户7368967
2020/05/23
5240
一种Dynamic ReLU:自适应参数化ReLU激活函数(调参记录1)
深度残差网络+自适应参数化ReLU激活函数(调参记录10)
本文在调参记录9的基础上,在数据增强部分添加了shear_range = 30,测试Adaptively Parametric ReLU(APReLU)激活函数在Cifar10图像集上的效果。
用户6915903
2020/04/24
5520
深度残差网络+自适应参数化ReLU激活函数(调参记录10)
深度残差网络+自适应参数化ReLU激活函数(调参记录20)Cifar10~94.17%
在之前的调参记录18中,是将深度残差网络ResNet中的所有ReLU都替换成了自适应参数化ReLU(Adaptively Parametric ReLU,APReLU)。
用户6915903
2020/05/17
4370
深度残差网络+自适应参数化ReLU激活函数(调参记录20)Cifar10~94.17%
深度残差网络+自适应参数化ReLU激活函数(调参记录19)Cifar10~93.96%
由于调参记录18依然存在过拟合,本文将自适应参数化ReLU激活函数中最后一层的神经元个数减少为1个,继续测试深度残差网络+自适应参数化ReLU激活函数在Cifar10数据集上的效果。
用户6915903
2020/05/09
4270
深度残差网络+自适应参数化ReLU激活函数(调参记录19)Cifar10~93.96%
深度残差网络+自适应参数化ReLU激活函数(调参记录11)
本文在调参记录10的基础上,将残差模块的数量从27个增加到60个,测试采用Adaptively Parametric ReLU(APReLU)激活函数的深度残差网络,在Cifar10图像集上的效果。
用户6915903
2020/05/04
3690
深度残差网络+自适应参数化ReLU激活函数(调参记录11)
深度残差网络+自适应参数化ReLU激活函数(调参记录2)
https://blog.csdn.net/dangqing1988/article/details/105590515
用户6915903
2020/04/21
4460
深度残差网络+自适应参数化ReLU激活函数(调参记录2)
深度残差网络+自适应参数化ReLU激活函数(调参记录4)
https://blog.csdn.net/dangqing1988/article/details/105601313
用户6915903
2020/04/22
4670
深度残差网络+自适应参数化ReLU激活函数(调参记录4)
一种Dynamic ReLU:自适应参数化ReLU激活函数(调参记录2)
https://blog.csdn.net/dangqing1988/article/details/105590515
用户7368967
2020/05/23
5190
一种Dynamic ReLU:自适应参数化ReLU激活函数(调参记录2)
推荐阅读
【哈工大团队】动态ReLU:自适应参数化ReLU及Keras代码(调参记录14)
4730
深度残差网络+自适应参数化ReLU激活函数(调参记录17)
3210
深度残差网络+自适应参数化ReLU激活函数(调参记录14)
2950
深度残差网络+自适应参数化ReLU激活函数(调参记录16)
4740
深度残差网络+自适应参数化ReLU激活函数(调参记录6)
4430
深度残差网络+自适应参数化ReLU激活函数(调参记录7)
3760
深度残差网络+自适应参数化ReLU激活函数(调参记录12)
4320
深度残差网络+自适应参数化ReLU激活函数(调参记录13)
3650
深度残差网络+自适应参数化ReLU激活函数(调参记录5)
4770
【哈工大团队】动态ReLU:自适应参数化ReLU及Keras代码(调参记录13)
4540
深度残差网络+自适应参数化ReLU激活函数(调参记录8)
3960
深度残差网络+自适应参数化ReLU激活函数(调参记录1)
3770
一种Dynamic ReLU:自适应参数化ReLU激活函数(调参记录1)
5240
深度残差网络+自适应参数化ReLU激活函数(调参记录10)
5520
深度残差网络+自适应参数化ReLU激活函数(调参记录20)Cifar10~94.17%
4370
深度残差网络+自适应参数化ReLU激活函数(调参记录19)Cifar10~93.96%
4270
深度残差网络+自适应参数化ReLU激活函数(调参记录11)
3690
深度残差网络+自适应参数化ReLU激活函数(调参记录2)
4460
深度残差网络+自适应参数化ReLU激活函数(调参记录4)
4670
一种Dynamic ReLU:自适应参数化ReLU激活函数(调参记录2)
5190
相关推荐
【哈工大团队】动态ReLU:自适应参数化ReLU及Keras代码(调参记录14)
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档