Jul, 2024
动态网络架构：通过自组织网络学习强大和整体化的视觉表示
The Dynamic Net Architecture: Learning Robust and Holistic Visual
Representations Through Self-Organizing Networks
Pascal J. Sager, Jan M. Deriu, Benjamin F. Grewe, Thilo Stadelmann, Christoph von der Malsburg
TL;DR我们提出了一种名为“动态网络架构”的新型智能系统架构，该架构依赖于稳定循环网络，并讨论其在视觉上的应用。我们的模型通过解释小区域网的较复杂特征为层次特征表示，与人工神经网络（ANNs）本质上不同。通过动态连接主义原则，我们的模型通过自组织机制，结合Hebbian可塑性和定期加强的抑制来稳定初级传入信号引起的神经激活。我们通过将线条片段组合成较长线条的实验，证明了DNA的可行性，即使在每个空间位置引入了高达59%的噪声，线条表示的构建仍然保持稳定。此外，我们展示了该模型能够从部分遮挡的输入中重建预期特征，并且可以推广到训练期间未观察到的模式。在本研究中，我们限制DNA在一个大脑皮层区域，并关注其内部机制，提供了关于一个独立区域的优势和不足的深入理解，并展望了未来工作如何通过组合多个区域来实现不变的物体识别。