我们研究了神经元元胞自动机(NCA)模型的架构与其所产生的动态图案之间的关系,并发现 NCA 输出的紧密度和比例性与架构的两个变量之间存在强相关性,因此我们提出了用于创建动态 NCA 的设计原则。
Apr, 2024
这篇论文介绍了神经元细胞自动机的概念,并探讨了其与卷积神经网络相结合在预测机器方面的应用,以及通过计算每个单元的适应性分数和随机性移动来优化神经元自动机。
Jan, 2023
本文介绍了神经细胞自动机(NCAs)作为人工形态发生模型的发展,并展示了 NCAs 对于内部和外部信号的反应能力,能够通过内部信号生长出多种形态, 通过外部信号改变颜色,并为将动态行为嵌入 NCA 模型打下基础。
May, 2023
神经元元胞自动机(NCA)结合了机器学习和机械建模的强大能力。我们通过对图像时间序列和 PDE 轨迹进行训练,使 NCA 学习复杂动态。我们的方法旨在识别支配大规模动态出现行为的潜在局部规则。我们将 NCA 扩展到在同一系统中捕捉瞬态和稳定结构,以及学习捕捉非线性偏微分方程(PDE)中图灵模式形成的规则。我们展示了 NCA 在 PDE 训练数据之外的广泛推广能力,演示了如何限制 NCA 以尊重给定的对称性,并探索了相关超参数对模型性能和稳定性的影响。能够学习任意动态使得 NCA 成为一种具有很大潜力的数据驱动的建模框架,尤其适用于生物模式形成建模。
Oct, 2023
本文探讨了如何使用卷积神经网络及多层感知器等深度学习技术识别复杂动力系统中的规律,着重研究了各类元胞自动机以及其内部规则和神经网络的内部表示方法。
Sep, 2018
本文介绍了一种新的人工生命模型,可以模拟细胞自动机和虚拟生物的特征,实现了形态和行为上高度自由的同时又能模拟繁殖、发展、个体互动等生命特征。通过阅读遗传信息的方式,执行扩张、连接、断开和过渡四个动作,模拟出了具有独特的生存策略和生活方式,同时在繁殖、发展和个体互动方面获得了有趣的性质。
Oct, 2022
通过使用基于神经细胞自动机 (NCA) 的超网络方法,我们可以在受到自组织系统和信息理论方法的启发下,以发育生物学为基础,生长出能够解决常见强化学习任务的神经网络,并探索了如何使用相同的方法来构建发育变形网络,以解决最初强化学习任务的变化版本。
Apr, 2022
本文描述如何构建和训练自我复制的神经网络,其中网络通过学习输出自己的权重来实现复制,并使用称为再生的方法来训练网络。通过在复制和优化步骤之间交替进行,该自我复制神经网络可以解决 MNIST 图像分类等辅助任务。同时,该文提出自我复制机制对人工智能是有用的,因为它引入了通过自然选择实现持续改进的可能性。
Mar, 2018
通过模仿生物进化的方式,本研究引入了一种名为 Generative Cellular Automata (GeCA) 的新模型系列,作为一种有效的补充工具,用于视网膜疾病分类的两种成像模式:Fundus 和光学相干断层扫描(OCT)。在 OCT 成像的背景下,GeCA 显著提升了 11 种不同眼科疾病的性能,相较于传统基线模型,平均 F1 分数提高了 12%。在相似的参数限制下,GeCA 优于融合 UNet 或基于 Transformer 的去噪模型的扩散方法。
Jul, 2024
通过运用内在动机的机器学习算法,实现自发模式的自动发现和多样性;同时提出了基于深度自编码器和 CPPN 函数的增量式方法,有效地在寻找自发模式方面比多个基准测试的系统更为高效。
Aug, 2019