神经电路图：深度学习架构的通讯、实现和分析的稳健图示

Feb, 2024

神经电路图：深度学习架构的通讯、实现和分析的稳健图示

Neural Circuit Diagrams: Robust Diagrams for the Communication, Implementation, and Analysis of Deep Learning Architectures

PDF

Vincent Abbott

TL;DR使用神经电路图图示化深度学习架构，展示架构的细节、数据的排列方式以及线性操作的并行行为，并且能够提供数学洞察力和算法的时间和空间复杂度分析。

Abstract

diagrams matter. Unfortunately, the deep learning community has no standard method for diagramming architectures. The current combination of linear algebra notation and ad-hoc diagrams fails to offer the necessar

diagrams neural circuit diagrams deep learning architectures transformer architecture backpropagation

发现论文，激发创造

视觉电路的自动发现

基于视觉概念的神经元激活依赖和功能连接，我们提出了一种新的方法来提取深度视觉模型计算图的子图，从而防御大规模预训练模型的对抗攻击。

Apr, 2024

深度卷积神经网络分析的改进

本论文提出了一种基于可视化分析的方法，以更好地理解、诊断和改进深度卷积神经网络，并使用一些新的算法和技术来显示神经元和神经元群之间的多个方面和交互作用。

Apr, 2016

深度学习与神经科学的集成

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

电路的索引感知学习

电路的设计是计算机辅助工程中的重要部分，而有关可调参数对最终设计的影响的量化需要新的方法。本文介绍了一种基于机器学习和改进的节点分析的方法，通过解耦系统方程，只学习微分变量并使用解耦关系重构代数变量，从而保证了代数约束的准确性。

Sep, 2023

利用大规模神经影像数据集创建连接组约束方法，以实现更加稳健、高效和适应性人工智能

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

机器人中的图学习：一项调研

在这篇论文中，通过对图神经结构进行综述，从机器人的角度探索了图学习在机器人应用中的潜力、挑战和各种应用案例，以期为读者提供深入的了解，并为未来的研究指明可能的方向。

Oct, 2023

构建人工神经电路实现领域通用认知：关于脑启发系统级架构的入门指南

本论文概述了生物神经网络为灵活认知所需的特征，讨论了神经网络体系结构的系统级通信和重复性以及短期拓扑变化对于机器学习模型的贡献，并说明人工系统中测试这些归纳偏见有助于理解领域通用认知的生物学原则。

Mar, 2023

神经网络的生理机制可解释性

比较神经网络和生物电路之间的相似和不同，研究探讨了从生物学的行为和可理解的理由中深入了解神经网络从数据中学习的见解。

Mar, 2022

推理推断

通过结合神经计算的规范和算法理论，我们提出了一种从大规模神经活动模式中推断规范分布计算的数学框架，以发现神经录制中的可解释结构。

Oct, 2023

手写电路图像的模块化图形提取

通过在较大的公共数据集上评估各个子任务的方法，该论文描述了一种模块化的端到端解决方案，其中包括电气符号和文本的对象检测、二值分割、手写字符识别和方向回归，进而提供了电路图的自动化提取方法。

Feb, 2024