- BrainSLAM:神经群体活动数据上的 SLAM
使用大鼠的神经活动数据,通过从大脑记录的局部场电位数据中解码速度和熟悉度信息,并利用 RatSLAM 启发的体系结构构建了空间地图的方法,将 SLAM 算法扩展至新的模态,从而促进了对认知地图在导航和决策中的作用的更好理解。
- 记忆、空间和计划:多尺度预测表示
记忆与预测与规划密不可分。灵活的生物和人工智能代理行为取决于学习过去和预测未来在不断变化的环境中的相互作用。本章回顾了计算、行为和神经证据,表明这些过程依赖于学习经验的关系结构,即认知地图,并得出两个关键点。首先,这些记忆结构以多尺度、紧凑 - 从 Transformer 表征学习认知地图以在部分观察的环境中进行高效规划
本论文提出了一种带有离散瓶颈层的 Transformer 模型,通过学习压缩形式的历史观测和操作,从部分观测的环境中提取解释性的环境认知图,并用于解决路径规划问题,该模型在预测性能、求解速度和解释性上都表现出色。
- 基于神经网络训练的多模态认知地图
认知地图通过整理和检索记忆中的上下文,提供了高效组织大脑信息的方法。通过使用基于继任表示的多模式神经网络,我们可以成功建立认知地图模型。多模式输入包括图像和单词嵌入,网络通过学习不同输入之间的相似性,实现了对认知地图的有效表示。预测网络可以 - 冲突转化和管理。从认知地图到价值树
利用问题结构化方法将认知图转化为价值树,从而在决策支持中促进以设计为导向的方法,构建创新解决方案,进而实现冲突管理的目的。
- 使用 CogEval 评估大型语言模型中的认知地图和规划
通过 CogEval 协议系统评估了八种大型语言模型的认知地图和规划能力,发现尽管对于较简单结构的规划任务表现出明显的竞争力,但系统评估揭示了规划任务的显著失效模式,包括无效轨迹的幻觉和陷入循环。这些发现不支持大型语言模型具备即用型规划能力 - 学习空间和时间的层次结构:多房间迷宫环境中的层次化主动推理导航
介绍了一种层次感知模型,结合认知地图、空间感知和位置运动,通过基于像素的观察推断出环境结构,并能在迷你格环境中进行高效探索和目标导向搜索。
- 虚拟环境的自动映射与视觉预测编码
预测编码为构建认知地图的统一算法框架,并能通过视觉信息定位环境中的位置。
- 在模糊环境中整合认知地图学习与主动推理的规划
本文提出了一种将统计模型的认知地图形成与支持不确定性规划的主动推理代理进行集成的方法,并通过在三个空间导航场景中比较原始克隆图代理和主动推理驱动的克隆图代理,证明了尽管两种代理在简单场景中都有效,但主动推理代理在具有关于位置的模糊信息的挑战 - 使用神经继承网络和词嵌入形成概念认知地图
介绍了一种使用继任表示和神经网络的模型,以及单词嵌入向量,用于构建三个不同概念的认知图,从而根据输入提供多模态上下文信息,基于输入和预先存在的知识表示的相似性度量。
- ICML在多房间迷宫环境中推断层次结构
研究提出了一个分层主动推断模型,以应对从基于像素的观察中推断世界结构的挑战,其中包含认知地图,客体 / 自体世界模型和目标导向行为,能够在基于房间的小型网格环境中实现高效的探索和目标导向搜索。
- 网格细胞及其在人工智能中的潜在应用
本文综述了自 2005 年以来神经科学家对于网格细胞的研究,概括了它们在神经科学和认知科学中的作用,并探讨了将网格细胞整合到人工神经网络中的可能未来方向。
- 模糊数的格上推广与扎德扩展原理
本文将模糊数的概念推广到拥有部分有序元素的有限载体集合,即格,当成员函数也取值于部分有序集(格)时。并对 Zadeh 的模糊数成员度量的推广进行了修正,提出了均值的类比概念,并探讨了在专家评估比较中使用部分有序值在认知图中的应用。
- 走向新 RL 网络;目的性图的出现
利用 neoRL 框架的认知地图和一般值函数实现潜在学习来提取人工智能的目的行为,而自主性的欲望节点允许更深层的 neoRL 行为图。通过实验验证了四个旨在实现目的网络的原则,证明了受 neoRL 网络的自主欲望控制的代理能够实时学习并在欧 - 基于神经网络的空间和语言的后继代表
使用神经网络学习多尺度接班人表达,进而构建认知地图和神经网络接班人表达的结构化知识表示形式,实现了在监督学习、强化学习和非空间任务中精确学习并逼真模拟了海马 - 内部子网所观察到的神经元放电模式,为克服深度学习在人工通用智能方面的一些缺陷提 - 概念空间导航:对人工通用智能的新视角
Tolman's ideas on latent learning and cognitive maps led to conceptual space representation and proposed autonomous navi - 测量非概率性不确定性:已知和未知未知因素的认知、逻辑和计算评估
通过结构化的认知图谱对文字信息进行分析,提出了一种衡量非概率不确定性的方法,该方法还可以通过自动化文本分析大大增强这些技术所提供的可能性。