Nov, 2023
自监督学习空间表示产生多模块网格细胞
Self-Supervised Learning of Representations for Space Generates Multi-Modular Grid Cells
Rylan Schaeffer, Mikail Khona, Tzuhsuan Ma, Cristóbal Eyzaguirre, Sanmi Koyejo...
TL;DR通过结合编码理论、动力系统、函数优化和监督深度学习等多个方法,我们提出了一个自监督学习框架,通过数据、数据增强、损失函数和网络架构等方面的优化,能够在没有监督位置信息的情况下训练出多个栅格细胞模块,且这些网络和形成的表示在训练分布之外也能很好地泛化。该研究对于对栅格细胞起源感兴趣的神经科学家以及对于新颖自监督学习框架感兴趣的机器学习研究人员具有重要洞见。