神經元啟發的智能學習方法

AIGC動態歡迎閱讀

原標題：神經元啟發的智能學習方法
關鍵字：神經元,樹突,神經網絡,報告,模型
文章來源：人工智能學家
內容字數：8942字

內容摘要：

來源：腦機接口社區
作者：蔡吳缺、郭大慶
排版：李巖
從1906年左右至今，科學家一直在追尋神經元的秘密。從最早期的銀氨染色法，到最新的全腦顯微光學切片斷層成像技術，越來越清晰地展示神經元的形態與結構。神經元大致可以分為樹突、胞體和軸突三個部分。不同的學科方向會有不同的建模方式。計算神經科學的建模多以多室模型為主，這種建模方式精細、準確，在非常復雜的計算保障下，能夠非常細致的模擬神經元的各類活動。而人工智能中的建模則以M-P神經元（McCulloch-Pitts neuron）、泄露積分發放神經元（Leaky integrated-and-fire neuron, LIF neuron）等高效、簡潔的神經元為主，能夠方便計算機快速、準確地完成智能計算。但是人工智能模型由于太過簡單，并不能夠將神經元的功能與結構充分地表達，因此借鑒生物神經元的各種機制來提升人工神經元性能是當前類腦智能的主要研究方向之一。本文總結了受神經元三個層次所啟發的類腦智能方法，在不同的神經元層面對人工神經網絡模型的編碼、計算和表征能力進行增強，以提高人工智能系統的學習、推理和決策能力。
首先，在樹突層面，神經元的樹

原文鏈接：神經元啟發的智能學習方法

聯系作者

文章來源：人工智能學家
作者微信：AItists
作者簡介：致力成為權威的人工智能科技媒體和前沿科技研究機構