Устойчивый мозг: нейрокогнитивные технологии адаптации, обучения, развития и реабилитации человека в изменяющейся среде (original) (raw)
В старых версиях браузеров сайт может отображаться некорректно. Для оптимальной работы с сайтом рекомендуем воспользоваться современным браузером.
Технологические разработки для исследований и медицины
Клинические нейротехнологии сохранения когнитивных функций
Социально значимые нейрокогнитивные технологии
Программа фундаментальных исследований НИУ ВШЭ
Проекты молодых учёных 2024 года
Проект в цифрах
- 9+
Проектов - 9+
Подразделений НИУ ВШЭ - 14+
Партнеров - 76+
Участников
Шаги развития
Лидеры проекта
Ведущий научный сотрудник Центра нейроэкономики и когнитивных исследований Института когнитивных нейронаук
Ведущий научный сотрудник Международной лаборатории социальной нейробиологии Института когнитивных нейронаук
Заведующий лабораторией социальной и когнитивной информатики Санкт-Петербургская школа социальных наук и востоковедения НИУ ВШЭ в Санкт-Петербурге
Ведущий научный сотрудник Центра нейроэкономики и когнитивных исследований Института когнитивных наук
Руководители проектов молодых ученых, аспирантов и студентов
Багаутдинова Эльмира Рафиковна
Стажер-исследователь лаборатории топологических методов в динамике факультета информатики, математики и компьютерных наук НИУ ВШЭ — Нижний Новгород
Консорциум «Трансфер нейрокогнитивных технологий»
Партнеры стратегического проекта
ООО «LIFT-центр»
Публикации проекта
- В работе предлагается новый алгоритм прогнозирования хаотических временных рядов на много шагов вперёд в рамках парадигмы прогнозирования на основе кластеризации. Введение концепции непрогнозируемых точек позволило избежать экспоненциального роста ошибки прогнозирования в функции от числа шагов вперёд, на который и дало возможность разработки алгоритмов, прогнозирующих на много ляпуновских времён (и на много шагов) вперёд – платой за это оказалось то, что часть точек оставалась непрогнозируемой. В настоящей работе предлагается self-healing алгоритм. Алгоритм self-healing — это итеративный алгоритм, который в качестве входных данных принимает прогнозы, полученные базовым алгоритмом прогнозирования. На каждой итерации алгоритм self-healing находит новые возможные прогнозные значений, обновляет статус точек с прогнозируемых на непрогнозируемые или наоборот и вычисляет новые единые прогнозные значение для прогнозируемых точек.
В работе предложено несколько новых алгоритмов вычисления единого прогнозного значения и алгоритмов определения непрогнозируемых точек; Проведены исследования по подбору параметров алгоритма self-healing, по его оценке, качества прогнозирования и по сравнению с существующим алгоритмом прогнозирования.
Qubahan Academic Journal. 2024. Vol. 4. No. 3. - Движения глаз при чтении обусловлены особенностями восходящих и нисходящих когнитивных процессов. Кроме того, они связаны с индивидуальными различиями, в том числе, в объеме рабочей памяти (РП). Тем не менее, вопрос о том, в какой степени объем РП определяет движения глаз в условиях возрастающей нагрузки при чтении, остается во многом открытым. Целью данного исследования стало изучение влияния объема РП на пиковую скорость саккад во время чтения с задачей понимания текста и в условиях двойной задачи на понимание и удержание информации в рабочей памяти (методика «Объем чтения»). В обработку были включены как окуломоторные показатели по каждой задаче отдельно, так и соотношение показателей в задаче на понимание и двойной задаче. Участники с более высоким объемом РП демонстрировали более высокую пиковую скорость саккад, чем участники с низким объемом РП - как при чтении, так и при выполнении двойной задачи. При этом различия были наиболее значимы при условии максимальной нагрузки на РП: так, при задаче чтения и одновременного удержания шести элементов в рабочей памяти наблюдалась максимальная пиковая скорость саккад. Полученные результаты отражают различия в возбуждении ЦНС у людей с большим объемом РП, вызванным выполнением заданий, связанных с дополнительной нагрузкой на РП. Данное исследование подчеркивает важность индивидуальных различий в объеме РП при чтении, а также предполагает потенциальную связь между возбуждением ЦНС и когнитивными процессами, обеспечивающими понимание прочитанного.
Psychology. Journal of the Higher School of Economics. 2024. Vol. 21. No. 3. P. 472-487. - Исследуется динамика моделей панкреатических бета-клеток – система Шермана-Ринцеля и ее модификация, учитывающая дополнительный ионный канал. Исследование проведено методом нульклин, методом карт динамических режимов и построения бифуркационных диаграмм. Обсуждается возможность управления различными динамическими режимами и мультистабильностью с помощью параметров дополнительного ионного канала. Исследована зависимость изменения области мультистабильности от параметров, определены условия стабилизации состояния равновесия. Показано, что дополнительный ионный канал приводит к появлению мультистабильности между устойчивым состоянием равновесия и пачечным аттрактором, таким же как и в оригинальной модели. В случае, кога равновесие не стабилизировано, в модифицированной системе появляются новые типы пачечной колебательной активности.
Дифференциальные уравнения и процессы управления. 2025. № 2. С. 30-43. - Статья
Arutiunian V., Arcara G., Buyanova I. et al.
Brain Structure and Function. 2024. Vol. 229. P. 1225-1242. - Aphasiology. 2023. Vol. 37. No. 2. P. 260-287.
- Frontiers in Human Neuroscience. 2023. Vol. 17.
- Cerebral Cortex. 2024. Vol. 34. No. 1.
- In bk.: 10th International Conference, PReMI 2023, Kolkata, India, December 12–15, 2023, Proceedings. Pattern Recognition and Machine Intelligence. LNCS, volume 14301. Cham: Springer, 2023. Ch. 3. P. 20-27.
- Bilingualism: Language and Cognition. 2024. Vol. 27. No. 1. P. 107-116.
- Статья
Ntoumanis I., Davydova A., Sheronova Y. et al.
Frontiers in Behavioral Neuroscience. 2023. Vol. 17.