人脸属性编辑的全局组织网络算法

提出一种新的基于生成对抗网络的人脸属性编辑全局组织网络算法.人脸属性编辑是指通过结合编码解码器结构与生成对抗网络,生成具有期望属性的人脸图像.传统的编码解码器结构对人脸的重构和编辑能力有限.直接将编码特征与属性标签结合会因为融入编码特征造成属性编辑性能低下,同时,也会由于缺失编码特征造成人脸还原度的损失,两者无法平衡.因此,提出U型传递方式与全局组织单元.U型传递改变了传统的属性流动方式,并生成反向状态.全局组织单元结合反向状态生成全局属性信息,在编码解码器中搭建桥梁,帮助解码器更好地融入编码器特征与属性信息.与此同时,为了更好地配合全局组织模块,重新设计了编码器下采样.实验结果表明,本文所提方法可以同时提高模型的人脸重塑与属性编辑能力.

内侧前额叶在“延迟期间”电活动对工作记忆任务学习的贡献

“工作记忆”（workingmemory）是一种重要的短时程记忆，它负责对实时信息进行短暂的储存和运用。这个短暂储存的时间被称为记忆的“延迟期”（delayperiod）”。比如在做心算时（例如17×24），大脑需要按照运算法则对不同数位的数字进行依次运算，而中间结果需要在记忆延迟期内暂时存储下来，最后得到计算结果。又如在打电话时，当被告知一个陌生号码时，我们需要在工作记忆中把这个号码暂时存储下来，然后将电话拨出。