Mar, 2022

使用高维度预测处理认知架构的迷宫学习

PDF
TL;DR本文介绍了 COGnitive Neural GENerative 系统（CogNGen），它是一种认知架构，将两种神经生理学可信的计算模型：预测性处理和高维 / 矢量符号模型相结合。CogNGen 的表现与 ACT-R 和 Spaun/Nengo 相当，为设计能够不断从不同任务学习并模拟人类在更大尺度上表现的代理人奠定了基础。本文在四个迷宫学习任务上测试了 CogNGen，并发现其与深度强化学习模型相当，并在测试记忆的任务上超过了它们的表现。
发现论文，激发创造
  • 通过赫布学习和自由能最小化的神经模仿实现普通认知模型

    使用神经生成模型构建 COGnitive Neural GENerative 系统，以优化变分自由能函数，并探讨其在认知科学中的应用。

    Oct, 2023

  • AIGenC: 通过创造力实现 AI 的普适性

    本文介绍了一种基于认知创造力理论的计算模型，旨在实现人造智能代理学习使用和生成易于迁移的表征，并通过梯度强化学习获取目标导向和时间信息的双重记忆系统，以及进行反射推理和融合等认知处理来提高人造智能的足够抽象度，以期在人工通用智能领域迈出更大的步伐。

    May, 2022

  • 一种具备工作记忆的视觉推理数据集和架构

    本文介绍了一个基于 cognitive psychology 和 neuroscience 的撷图，和相应的 deep learning 架构，用来解决视觉和逻辑推理以及记忆方面的问题。架构表现不错且易扩展，是目前解决此问题的有力之选。

    Mar, 2018

  • 在多房间迷宫环境中推断层次结构

    研究提出了一个分层主动推断模型，以应对从基于像素的观察中推断世界结构的挑战，其中包含认知地图，客体 / 自体世界模型和目标导向行为，能够在基于房间的小型网格环境中实现高效的探索和目标导向搜索。

    Jun, 2023

  • 基于人类概念代表的可控视觉刺激生成

    理解人类是如何处理视觉对象的是认知科学的一个核心问题，这篇研究利用 Concept based Controllable Generation (CoCoG) 框架，通过两个组成部分 —— 提取可解释概念并预测人类在视觉相似性判断任务中的决策行为的 AI 代理以及给定概念生成视觉刺激的条件生成模型，评估了 CoCoG 的性能，结果显示 CoCoG 能够准确预测人类行为、生成多样的对象以及通过干预关键概念操纵人类相似性判断行为，为深入理解人类认知中的因果关系提供了具有控制概念的视觉对象。

    Apr, 2024

  • 学习空间和时间的层次结构：多房间迷宫环境中的层次化主动推理导航

    介绍了一种层次感知模型，结合认知地图、空间感知和位置运动，通过基于像素的观察推断出环境结构，并能在迷你格环境中进行高效探索和目标导向搜索。

    Sep, 2023

  • OpenCog Hyperon: 人类级别及更高级智能的 AGI 框架

    介绍 OpenCog Hyperon 框架用于人工智能的概括，包括 OpenCog 背景历史、Hyperon 软件系统核心结构、与 SingularityNET 生态系统的集成、在高级人工智能方面的认知模型和开发路线图等方面的内容。

    Sep, 2023

  • 虚拟环境的自动映射与视觉预测编码

    预测编码为构建认知地图的统一算法框架，并能通过视觉信息定位环境中的位置。

    Aug, 2023

  • 机器人导航和环境拟态映射的仿生基于脉冲的海马体和后顶叶皮层模型

    本文介绍了受生物启发的海马记忆模型与后部顶叶皮质模型相连的基于脉冲的机器人导航和环境伪地图系统，使用脉冲神经网络在 SpiNNaker 硬件平台上实现，并在实验中演示了其正确操作并能够避开障碍物并映射该环境。这是一个动态学习的环境伪映射系统的首次实施。

    May, 2023

  • 人机协同创作：使用 GAN 实现创意角色设计过程的辅助认知方法

    通过生成对抗网络和角色设计相结合的协同创作框架，本研究开发了一个标记数据集并使用不同的生成对抗网络进行评估，证实了该框架的价值，并阐明了生成的概念如何以多样的方式与设计师的能力相互作用，影响构思新角色的创造过程。

    Nov, 2023