- Coralai: 具有自主进化的体验感知神经元元胞自动机生态系统
Coralai 是一个用于探索神经元元胞自动机(NCA)多样化生态系统的框架,通过使用模块化的 GPU 加速 Taichi 内核,以 HyperNEAT 和 PyTorch 实现的局部存活、合并和变异操作,实现了生物在 Coralai 中的 - AdaNCA: 神经元元胞自动机作为更为鲁棒的视觉变换器的适配器
本文提出了一种称为 AdaNCA 的适配器神经元细胞自动机(Adaptor Neural Cellular Automata,AdaNCA)的方法,用于 Vision Transformer,通过在 Vision Transformer 层 - NoiseNCA:噪声种子改善神经细胞自动机的时空连续性
通过创新的方法,我们提出了一种改进的神经元细胞自动机(Neural Cellular Automata,NCA)模型,它可以在不同的时空颗粒度下保持连续动态,并能够进行模式形成速度和合成模式尺度的连续控制,为 NCA 研究开辟了新的领域。
- 神经元元胞自动机中的新兴动力学
我们研究了神经元元胞自动机(NCA)模型的架构与其所产生的动态图案之间的关系,并发现 NCA 输出的紧密度和比例性与架构的两个变量之间存在强相关性,因此我们提出了用于创建动态 NCA 的设计原则。
- 神经元元胞自动机轻量级、鲁棒性和可解释白细胞图像分类
白细胞分类的新颖方法基于神经元细胞自动机 (NCA),在三个白细胞图像数据集上测试表明我们的方法在与常规方法的竞争性能方面取得了良好的结果,该架构天然可解释,提供了对每个分类决策过程的洞见,帮助专家理解和验证模型预测,结果表明 NCA 不仅 - 潜在神经元细胞自动机实现资源高效图像恢复
神经元元胞自动机是传统元胞自动机模型的演化,通过集成基于深度学习的转换函数进行增强。我们介绍了潜在神经元元胞自动机(LNCA)模型,这是一种新颖的架构,旨在解决神经元元胞自动机的资源限制问题。我们将模型应用于图像恢复领域,以从降质版本中重建 - 频率 - 时间扩散与神经元细胞自动机
通过引入 FourierDiff-NCA 来解决当前 NCA 架构的瓶颈,将扩散过程从傅里叶域开始并在图像空间中完成,进而加速全局通信。
- 用神经元细胞自动机学习时空模式
神经元元胞自动机(NCA)结合了机器学习和机械建模的强大能力。我们通过对图像时间序列和 PDE 轨迹进行训练,使 NCA 学习复杂动态。我们的方法旨在识别支配大规模动态出现行为的潜在局部规则。我们将 NCA 扩展到在同一系统中捕捉瞬态和稳定 - M3D-NCA:内置质量控制的鲁棒三维分割
提出了一种名为 M3D-NCA 的新方法,利用神经细胞自动机(NCA)分割 3D 医学图像,并开发了一种新的质量度量方法来自动检测 NCA 分割过程中的错误。M3D-NCA 在海马体和前列腺分割方面比两个更大的 UNet 模型表现优异,其 - 短期增强选择加速了体内稳态神经细胞自动机的进化
本文研究了授权度量的时间尺度对其作为辅助目标加速 NCA 自我平衡的发现的影响,发现在短期内授权的 NCA 更加稳定且能够更好地适应未见的自我平衡挑战。
- 神经细胞自动机黏菌中的新兴智能
本文介绍 EINCASM,一个采用新框架的原型系统,用于研究类似史莱姆菌的生物中出现的智能。该框架基于神经元细胞自动机,通过最大化细胞生长来控制营养和能量成本。这些生物利用物理模拟的流体来运输营养和化学信号,并在复杂、多变的环境中进行生长和 - 神经细胞自动机中的自我复制、自发突变和指数遗传漂移
本文研究了基于神经元元胞自动机的自复制规律、自发遗传突变和指数级遗传漂移,并发现神经元元胞自动机能够增加变异空间并促进开放式演化。
- 神经元细胞自动机可以响应信号
本文介绍了神经细胞自动机(NCAs)作为人工形态发生模型的发展,并展示了 NCAs 对于内部和外部信号的反应能力,能够通过内部信号生长出多种形态, 通过外部信号改变颜色,并为将动态行为嵌入 NCA 模型打下基础。
- 可转向生长神经元细胞自动机
通过在细胞间加入可调整的内部状态来实现上下左右的定向,并且仍旧保持细胞的对称性,同时只需使用少量数据即可训练。
- 基于注意力机制的神经元元胞自动机
本文介绍了一种名为 Vision Transformer Cellular Automata(ViTCA)的定义在细胞自动机框架内基于自注意力机制的人工神经网络,并比较了其在线性降噪自编码任务上与其他神经网络的性能。
- MM不断演化软体机器人中可微分编程的严重损伤恢复
本文提出了基于神经元元胞自动机的机器人系统,通过渐变训练使机器人具备再生受损部位的能力,结合进化算法和自适应更新规则提高机器人系统的鲁棒性,能够在受到不同程度的形态损伤后恢复 80% 以上的功能。
- ICLRHyperNCA:使用神经元细胞自动机生成发育网络
通过使用基于神经细胞自动机 (NCA) 的超网络方法,我们可以在受到自组织系统和信息理论方法的启发下,以发育生物学为基础,生长出能够解决常见强化学习任务的神经网络,并探索了如何使用相同的方法来构建发育变形网络,以解决最初强化学习任务的变化版 - ICLR模块化软体机器人的体内脉冲神经细胞自动机集体控制
本文提出了一种新的集体控制方法,基于神经元元自动机和生物启发的脉冲神经网络,用于 Voxel-based Soft Robots 的运动控制,实现了对环境变化的适应性。
- 二维形状分类的物理神经元元胞自动机
本文利用深度学习和神经元元胞自动机,提出了一种可在硬件上成功应用的模块化 2D 机器人系统,该系统可以通过其组件的本地通信推断其自身的形状类别,实现了自分类的能力。
- 用多样的神经元元胞自动机来生成关卡
该研究采用品质多样化的方法生成多样性神经细胞自动机(NCA)集合来设计视频游戏关卡,使用协方差矩阵适应性 MAP-Elites (CMA-ME)训练生成器以高效生成 NCA,并将其应用于几种 2D 瓷砖风格的视频游戏中。