使用神经网络表示寻径问题并将路径的成本值转化为神经元的连接权重,结合网络学习机制,在线自适应更新权重以解决具有不同要求的任务。该算法复杂度与 Bellman Ford 算法相同,可用于寻找最优路径和路径增强。
Jan, 2022
该论文介绍了一种新的神经网络模型,通过将网络结构化为一个完整的有向图,为每个时间步骤处理连续数据,更加密切地模拟生物大脑。该模型通过在神经元连接中引入循环并消除其他网络层中常见的顺序性质,添加了额外的结构特性。此外,该模型具有连续的输入和输出,受到脉冲神经网络的启发,使得网络能够学习分类过程,而不仅仅返回最终结果。
Jan, 2024
通过自然进化形成的人脑复杂而独特的神经网络拓扑结构使其能够同时执行多个认知功能,本文通过引入模块化结构和全局互连性来进化脉冲神经网络的架构,同时提出一种高性能、高效能、低能耗的多目标进化算法,通过对静态数据集和神经形态数据集的广泛实验证明了所提出模型的能效提升和稳定优异的性能,并初步探索了人脑生物神经网络的进化机制。
Sep, 2023
利用神经网络在机器人路径规划中的应用有不同的输入、输出和环境,不同的网络架构能够提供解决方案。
Jul, 2022
本文考虑在神经科学和机器学习之间建立联系,提出脑部通过优化各式各样的代价函数来实现数据高效学习和定向行为,其中包括关注、递归等结构体系和各种形式的短时和长时记忆存储,作者提出了未来神经科学试图改进和检验这些假设的方向。
Jun, 2016
通过生物神经元的树突机制推导出 AI 领域中的重要问题,为构建更强大、能源效率更高的人工学习系统提供了新的解决方案。
Jun, 2023
研究了神经科学的机制对 AI 算法的发展具有重要价值,人工神经网络应该借鉴大脑神经元的学习方式,建立个性化的错误空间以预测更加准确的类别和特征,取得更好的迁移性能。
通过生物学上的神经元网络组合中的多种互补机制,可以在人工神经网络中实现连续学习。
Apr, 2023
介绍了一种模仿生物神经可塑性的新型自然启发式优化算法,在三个数据集上进行了测试,并与梯度下降优化进行了比较。
Apr, 2022
利用大型神经成像数据集中的连接性图谱等手段,改善边缘端机器学习的效率和鲁棒性,并通过对果蝇和哺乳动物视脑回路连接等领域的分析,展示了多种潜在的应用脑科学领域洞见的方法。
May, 2023