搜索歷史

清空
搜索熱詞
      0
      • 聊天消息
      • 系統(tǒng)消息
      • 評(píng)論與回復(fù)
      VIP于 到期 續(xù)費(fèi)
      登錄后你可以
      • 下載海量資料
      • 學(xué)習(xí)在線課程
      • 觀看技術(shù)視頻
      • 寫文章/發(fā)帖/加入社區(qū)
      會(huì)員中心
      創(chuàng)作中心
      發(fā)布
      創(chuàng)作活動(dòng)

      完善資料讓更多小伙伴認(rèn)識(shí)你，還能領(lǐng)取20積分哦，立即完善>

      3天內(nèi)不再提示

      神經(jīng)網(wǎng)絡(luò)可以復(fù)制受損的大腦以使神經(jīng)病患者受益

      倩倩 ? 來源：互聯(lián)網(wǎng)分析沙龍 ? 作者：互聯(lián)網(wǎng)分析沙龍 ? 2020-12-19 09:50 ? 次閱讀

      索爾克研究所（Salk Institute）的研究人員已經(jīng)使用神經(jīng)網(wǎng)絡(luò)體系結(jié)構(gòu)，以算法模擬了神經(jīng)心理障礙患者對(duì)前額葉皮層的損害。該團(tuán)隊(duì)認(rèn)為其發(fā)現(xiàn)可以為改善AI的發(fā)展以及個(gè)性化的臨床療法提供參考。

      資深研究作者Terrence Sejnowski博士及其同事在《美國國家科學(xué)院院刊》上發(fā)表的研究報(bào)告中描述了他們的工作。

      科學(xué)家專注于讓他們的AI模擬“門控”的皮質(zhì)機(jī)制，該機(jī)制控制神經(jīng)元簇之間的信息流，以將現(xiàn)有知識(shí)應(yīng)用于新情況。

      他們注意到先前建模前額葉皮層損傷的嘗試產(chǎn)生了令人失望的結(jié)果，他們通過將不同的信息包（即人工神經(jīng)元）“委托”給人工神經(jīng)網(wǎng)絡(luò)的不同子區(qū)域來解釋其系統(tǒng)鏡像的生物門控。

      這組作者說，他們的系統(tǒng)是第一個(gè)在整個(gè)網(wǎng)絡(luò)中而不是在離散的子區(qū)域中重新創(chuàng)建門控的系統(tǒng)。

      在索爾克新聞部門發(fā)表的一篇文章中，主要作者本津達(dá)（Ben Tsuda）攻讀醫(yī)學(xué)博士學(xué)位和博士學(xué)位，他說，這項(xiàng)工作使人們對(duì)大腦的組織方式有了細(xì)致的了解。Tsuda說，這一進(jìn)展“既對(duì)機(jī)器學(xué)習(xí)有影響，也使他們對(duì)影響前額葉皮層的某些疾病有了更好的了解?！?/p>

      Salk教授Kay Tye博士補(bǔ)充說，即使是最復(fù)雜的人工神經(jīng)網(wǎng)絡(luò)也無法匹敵人類的大腦。她解釋說，一個(gè)關(guān)鍵的原因是大腦可以用不同的規(guī)則來概括各種任務(wù)的知識(shí)。

      Tye說：“在這項(xiàng)新工作中，我們展示了信息門控如何為我們的新的和改進(jìn)的前額葉皮層模型提供動(dòng)力?！?/p>

      責(zé)任編輯：lq

      聲明：本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人，不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用，如有內(nèi)容侵權(quán)或者其他違規(guī)問題，請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
      • 神經(jīng)網(wǎng)絡(luò)

        關(guān)注

        42

        文章

        4774

        瀏覽量

        100894
      • 算法
        +關(guān)注

        關(guān)注

        23

        文章

        4622

        瀏覽量

        93055
      • AI
        AI
        +關(guān)注

        關(guān)注

        87

        文章

        31133

        瀏覽量

        269453
      收藏 人收藏

        評(píng)論

        相關(guān)推薦

        人工神經(jīng)網(wǎng)絡(luò)的原理和多種神經(jīng)網(wǎng)絡(luò)架構(gòu)方法

        所擬合的數(shù)學(xué)模型的形式受到大腦中神經(jīng)元的連接和行為的啟發(fā)，最初是為了研究大腦功能而設(shè)計(jì)的。然而，數(shù)據(jù)科學(xué)中常用的神經(jīng)網(wǎng)絡(luò)作為大腦模型已經(jīng)過時(shí)
        的頭像 發(fā)表于 01-09 10:24 ?105次閱讀
        人工<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的原理和多種<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>架構(gòu)方法

        卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

        在深度學(xué)習(xí)領(lǐng)域，神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù)，如圖像識(shí)別、自然語言處理和游戲智能等。其中，卷積神經(jīng)網(wǎng)絡(luò)（CNNs）和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩種常見的模型。 1. 結(jié)構(gòu)差異 1.1 傳統(tǒng)神經(jīng)網(wǎng)絡(luò)
        的頭像 發(fā)表于 11-15 14:53 ?563次閱讀

        BP神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的關(guān)系

        BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡(jiǎn)稱CNN）是兩種在人工智能和機(jī)器學(xué)習(xí)領(lǐng)域
        的頭像 發(fā)表于 07-10 15:24 ?1621次閱讀

        BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)的區(qū)別

        BP神經(jīng)網(wǎng)絡(luò)和人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡(jiǎn)稱ANNs）之間的關(guān)系與區(qū)別，是神經(jīng)網(wǎng)絡(luò)領(lǐng)域中一個(gè)基礎(chǔ)且重要的話題。本文將從定義、結(jié)構(gòu)、算法、應(yīng)用及未來發(fā)展等多個(gè)方面，詳細(xì)闡述BP
        的頭像 發(fā)表于 07-10 15:20 ?1174次閱讀

        rnn是遞歸神經(jīng)網(wǎng)絡(luò)還是循環(huán)神經(jīng)網(wǎng)絡(luò)

        RNN（Recurrent Neural Network）是循環(huán)神經(jīng)網(wǎng)絡(luò)，而非遞歸神經(jīng)網(wǎng)絡(luò)。循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有時(shí)間序列特性的神經(jīng)網(wǎng)絡(luò)，能夠處理序列數(shù)據(jù)，具有記憶功能。以下是關(guān)于循環(huán)
        的頭像 發(fā)表于 07-05 09:52 ?595次閱讀

        遞歸神經(jīng)網(wǎng)絡(luò)是循環(huán)神經(jīng)網(wǎng)絡(luò)嗎

        遞歸神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡(jiǎn)稱RNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network，簡(jiǎn)稱RNN）實(shí)際上是同一個(gè)概念，只是不同的翻譯方式
        的頭像 發(fā)表于 07-04 14:54 ?809次閱讀

        循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別

        結(jié)構(gòu)。它們?cè)谔幚聿煌愋偷臄?shù)據(jù)和解決不同問題時(shí)具有各自的優(yōu)勢(shì)和特點(diǎn)。本文將從多個(gè)方面比較循環(huán)神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)的區(qū)別。 基本概念 循環(huán)神經(jīng)網(wǎng)絡(luò)是一種具有循環(huán)連接的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，它
        的頭像 發(fā)表于 07-04 14:24 ?1350次閱讀

        深度神經(jīng)網(wǎng)絡(luò)與基本神經(jīng)網(wǎng)絡(luò)的區(qū)別

        在探討深度神經(jīng)網(wǎng)絡(luò)（Deep Neural Networks, DNNs）與基本神經(jīng)網(wǎng)絡(luò)（通常指?jìng)鹘y(tǒng)神經(jīng)網(wǎng)絡(luò)或前向神經(jīng)網(wǎng)絡(luò)）的區(qū)別時(shí)，我們需要從多個(gè)維度進(jìn)行深入分析。這些維度包括
        的頭像 發(fā)表于 07-04 13:20 ?971次閱讀

        反向傳播神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

        反向傳播神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network，簡(jiǎn)稱BP神經(jīng)網(wǎng)絡(luò)）是一種多層前饋神經(jīng)網(wǎng)絡(luò)，它通過反向傳播算法來調(diào)整網(wǎng)絡(luò)中的權(quán)重和偏置，以達(dá)到最小化誤差的
        的頭像 發(fā)表于 07-03 11:00 ?830次閱讀

        如何使用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模和預(yù)測(cè)

        神經(jīng)網(wǎng)絡(luò)是一種強(qiáng)大的機(jī)器學(xué)習(xí)技術(shù)，可以用于建模和預(yù)測(cè)變量之間的關(guān)系。 神經(jīng)網(wǎng)絡(luò)的基本概念 神經(jīng)網(wǎng)絡(luò)是一種受人腦啟發(fā)的計(jì)算模型，由大量的節(jié)點(diǎn)（神經(jīng)
        的頭像 發(fā)表于 07-03 10:23 ?780次閱讀

        bp神經(jīng)網(wǎng)絡(luò)是深度神經(jīng)網(wǎng)絡(luò)嗎

        Network）有相似之處，但它們之間還是存在一些關(guān)鍵的區(qū)別。 一、引言 神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)的計(jì)算模型，它由大量的神經(jīng)元（或稱為節(jié)點(diǎn)）組成，這些神經(jīng)元通過權(quán)重連接在一起
        的頭像 發(fā)表于 07-03 10:14 ?872次閱讀

        bp神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)區(qū)別是什么

        BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Network）和卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network，簡(jiǎn)稱CNN）是兩種不同類型的人工神經(jīng)網(wǎng)絡(luò)，它們?cè)?/div>
        的頭像 發(fā)表于 07-03 10:12 ?1249次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)的原理是什么

        基本概念、結(jié)構(gòu)、訓(xùn)練過程以及應(yīng)用場(chǎng)景。 卷積神經(jīng)網(wǎng)絡(luò)的基本概念 1.1 神經(jīng)網(wǎng)絡(luò) 神經(jīng)網(wǎng)絡(luò)是一種受人腦神經(jīng)元結(jié)構(gòu)啟發(fā)的數(shù)學(xué)模型，由大量的節(jié)點(diǎn)（神經(jīng)
        的頭像 發(fā)表于 07-02 14:44 ?677次閱讀

        卷積神經(jīng)網(wǎng)絡(luò)和bp神經(jīng)網(wǎng)絡(luò)的區(qū)別

        卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，簡(jiǎn)稱CNN）和BP神經(jīng)網(wǎng)絡(luò)（Backpropagation Neural Networks，簡(jiǎn)稱BPNN）是兩種
        的頭像 發(fā)表于 07-02 14:24 ?4361次閱讀

        神經(jīng)網(wǎng)絡(luò)在數(shù)學(xué)建模中的應(yīng)用

        數(shù)學(xué)建模是一種利用數(shù)學(xué)方法和工具來描述和分析現(xiàn)實(shí)世界問題的過程。神經(jīng)網(wǎng)絡(luò)是一種模擬人腦神經(jīng)元結(jié)構(gòu)和功能的計(jì)算模型，可以用于解決各種復(fù)雜問題。在數(shù)學(xué)建模中，神經(jīng)網(wǎng)絡(luò)
        的頭像 發(fā)表于 07-02 11:29 ?982次閱讀