Apr, 2021

丘脑皮质通路对神经系统中信用分配的贡献

PDF
TL;DR本综述研究了动物大脑进化的过程和神经电路的构建，以及如何解决结构、内容和时间信用分配的计算问题，概括了指出丘脑在元学习中发挥着关键作用，同时提出丘脑的皮层和基底节相互作用可以同时解决三个信用分配问题的观点。
animal brainsneural circuitscredit assignmentthalamic controlbehavioral flexibility
发现论文，激发创造
  • Thalamus: 一种脑启发的算法，用于生物合理的持续学习和分离表示

    在公开环境中，灵活学习和记忆是一个不断变化的挑战，受大脑丘脑皮质回路的启发，本文提出了一种使用推理时优化的简单算法，通过动态生成当前任务的内部表示，并使代理程序将时间经验流解析为离散事件并组织学习。该算法通过潜在更新将知识组织为具有灵活性的结构，并具有控制它们的认知接口。

    May, 2022

  • 大脑皮层预测市场

    从机制设计的角度探究皮层学习的过程，研究表明基于离散化的标准神经元模型和突触可塑性设计下，神经元会根据打分规则达到最优表现，而这些打分规则恰当而准确地表达了神经元突触权重和 Spike 单位的期望效用和高得分结果，基于这些发现，提出了一种生物学上可行的机制，通过反向传播动机来优化神经元对大脑其他部分的作用，并展现了该机制能够实现简单任务的学习。

    Jan, 2014

  • 深层皮质微回路中的树突误差反向传播

    通过对多区域神经元网络模型的介绍，本研究提出了一种新的突触可塑性学习规则，通过基础树突上的突触修饰实现错误反向传递从而学习。并且在该框架中加入一种去抑制机制，使得该框架能够生成噪声和关注感和一些其它学习任务。

    Dec, 2017

  • 脑启发的机器智能：神经生物学可行的信用分配综述

    通过对受神经生物学启发或影响的人工神经网络中进行信用分配的算法的调查，我们提出了一个分类法，根据学习算法回答复杂自适应神经系统突触可塑性机制的核心问题的方式，整理了不断增长的大脑启发学习过程集合为六个通用家族，并在反向传播和其已知批评的背景下考虑了这些家族，结果旨在鼓励未来在神经仿真系统及其组成学习过程的发展，从而在机器学习、计算神经科学和认知科学之间建立良好的桥梁。

    Dec, 2023

  • 通过强化学习和无监督学习的融合控制神经网络的突触可塑性

    提出了一种基于突触可塑性动态的学习规则，该规则通过融合强化学习和非监督学习模拟误差反馈机制和两个重要机制，包括错误反馈系统以及非监督学习。

    Mar, 2023

  • 海马动态与深度卷积网络的上下文调制

    本文探讨了生物神经回路和人工神经网络中的并行处理路径对神经计算的影响，并提出了一种机制，通过在深度学习中引入上下文感应性偏差，优化神经网络的性能，实现了对神经元形成的调节和驱动网络活动的平衡，将此方法运用于 CIFAR-100 和 Fashion-MNIST 数据集，大幅提高了网络性能，而无需增加网络大小。

    Nov, 2017

  • 树突皮层微电路模拟反向传播算法

    本文基于深度学习和神经科学，介绍了一种多层神经元网络模型，该模型利用简化的树突区，实现误差驱动的突触可塑性，在时间上持续地通过局部树突预测误差进行突触学习，进而解决了长期以来的突触学分配问题，并在回归和分类任务中证明模型的学习能力。

    Oct, 2018

  • 神经科学启发的机器学习综述

    这篇论文调研了模拟生物可行的信用分配规则在人工神经网络中的多个重要算法，并讨论了它们在不同科学领域的解决方案以及在 CPU、GPU 和神经形态硬件上的优势，最后讨论了未来需要解决的挑战，以使这些算法在实际应用中更加有用。

    Feb, 2024

  • 皮层 - 基底节环路模型的实现

    这篇文章提出了一个简单的皮层 - 基底核 - 丘脑回路模型，用于行为选择和执行，并报告了其实现的结果。该模型基于这样一个假设，即大脑皮层预测行动，而基底核使用强化学习来决定是否执行皮层预测的行动。此实施旨在用作由皮层区域或大脑启发的认知架构组成的大脑模型的组成部分。

    Feb, 2024

  • 人工神经网络和真实大脑训练中的新兴计算

    该研究探讨了大脑皮层神经回路中突触可塑性、神经元之间的连接和电信号传递，指出如何通过训练循环神经网络学习新任务并改变环境适应能力，同时发现人工网络和真实大脑使用相似的计算策略。

    Dec, 2022