Sep, 2023
深度解释性：旋转几何神经元元结构
Deep Explainability: Spin-Geometrical Neural Meta-Structures
Sofia Karamintziou, Georgios Meditskos, Dimos Ntioudis, Thanassis Mavropoulos, Stefanos Vrochidis...
TL;DR多模态人工智能中，通过神经科学和量子计算的相互作用，开发出解释性和透明性的早期融合大规模、异质、图结构化数据的自旋几何元元架构，利用最多 16 个量子比特的独特 Clifford-Lipschitz 运算对自组织大脑中的相互行为状态的相对论量子神经编码进行高效编码。通过对反模式和同层内部连接的侧抑制性神经元体系结构进行训练和设计，可以融合多达 16 个稳定的、互连的（反）模式并显式识别底层多维模式。在真实世界的场景下，期望通过对多模态大数据的应用来获得全面的洞察。