![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
类脑智能
文章平均质量分 88
Better Bench
CS博士;研究领域:类脑计算、深度学习、机器学习、数据挖掘、自然语言处理、数学建模、量化金融,兼职网球教练4.0
展开
-
增量学习中Task incremental、Domain incremental、Class incremental 三种学习模式的概念及代表性数据集?
在持续学习领域,Task incremental、Domain incremental、Class incremental 是三种主要的学习模式,它们分别关注不同类型的任务序列和数据分布变化。原创 2024-07-29 11:27:36 · 98 阅读 · 0 评论 -
【机器学习】机器学习中的人工神经元模型有哪些?
Boltzmann 神经元是一种在 Boltzmann 机(Boltzmann Machine)中使用的神经元模型。Boltzmann 神经元是二值的,即其状态只能是 0 或 1。它们通过概率性规则来更新状态,这些规则依赖于其他神经元的状态和连接权重。引入非线性激活函数,如Sigmoid、Tanh、ReLU、ELU、PReLU或者Leak ReLU,以允许网络学习更复杂的模式。是模型参数,用于调整神经元的放电特性。输出:直接输出加权和y,不应用非线性激活函数。应用现代神经网络的普遍使用。原创 2024-06-15 18:12:48 · 1414 阅读 · 0 评论 -
【类脑计算】突触可塑性模型之Hebbian学习规则和STDP
突触可塑性 (Synaptic plasticity)指经验能够修改神经回路功能的能力。特指基于活动修改突触传递强度的能力,是大脑适应新信息的主要调查机制。分为短期和长期突触可塑性,分别作用于不同时间尺度,对感官刺激的短期适应和长期行为改变及记忆存储至关重要。原创 2024-06-15 17:30:21 · 1148 阅读 · 0 评论 -
【博士每天一篇文献-综述】基于脑启发的连续学习算法有哪些?附思维导图
脑启发的连续学习方法主要分为四类:突触启发方法、双系统启发方法、睡眠启发方法和模块化启发方法。经典连续学习方法主要分为三类:重放方法、正则化方法和稀疏化方法。原创 2024-05-16 18:29:29 · 1046 阅读 · 0 评论 -
脑研究、脑网络分析、可视化的工具箱有哪些?
Brain Connectivity Toolbox工具箱中的功能包含了从连接数据构建大脑网络,并描述最常用的结构和功能连接的网络测量。实现了各种检测功能整合和分离的措施,量化各个大脑区域或通路的中心性,表征局部解剖电路的模式,并测试网络的弹性。:一个用户友好的基于 GUI 的工具箱,用于大脑连接的图形分析。:一个用于分析脑电图记录中的大脑网络连接性的有凝聚力的平台。:用于全面分析大脑连接组拓扑的工具箱。:功能和结构大脑网络的图形分析工具箱。:用于测试有关连接组的假设的工具箱。原创 2024-03-16 14:31:20 · 951 阅读 · 0 评论 -
【类脑智能】脑网络通信模型分类及量化指标(附思维导图)
脑网络通信模型是一种使用图论和网络科学概念来描述和量化大脑结构中信息传递的模型。这种模型可以帮助研究人员理解神经信号在大脑内部如何传递,并探究不同脑区之间的通信策略。通过将生物神经信号抽象为网络通信动力学,这一理论框架提供了一种灵活方法来模拟相互连接的神经元间相互作用。脑网络通信模型也可以简化解释神经信号,抽象神经动力学的突发性和全系统特性,有助于捕捉大脑结构和功能之间的关系。总的来说,脑网络通信模型是一种基于网络科学和神经科学的框架,用于研究大脑结构和功能之间的信息传递机制。原创 2024-03-16 14:23:49 · 1155 阅读 · 0 评论 -
【类脑智能】类脑智能研究中的专业术语
在集中式系统中,神经元或全局控制者可以鸟瞰整个网络。网络通信成本的维度(Dimensions of network communication cost):可能形成连接体结构和神经信号机制的潜在进化压力。复杂网络(Complex networks):拓扑结构不复杂的网络,具有模块化结构、枢纽节点或小世界结构等特征。神经元(Neural elements):神经元可以是神经元、神经元群或宏观脑区,由神经网络中的节点表示。网络拓扑结构(Network topology):由相互连接元素组成的网络的组织特征。原创 2024-03-16 09:05:32 · 434 阅读 · 0 评论 -
【博士每天一篇论文-算法】Continual Learning Through Synaptic Intelligence,SI算法
1. 引入了 intelligent synapses(智能突触)的概念,智能突触通过累积与任务相关的信息来存储新的记忆,同时不会忘记旧的记忆,从而降低遗忘,同时保持计算效率。通过单个突触估计其对过去任务的重要性,并对最重要突触的变化惩罚来解决灾难性遗忘。2. 这篇论文指出,ANNs的问题在于它们未能融入生物突触的复杂性,而生物突触使用复杂的分子机制来影响各种时间和空间尺度上的可塑性。因此,论文提出了三种缓解灾难性遗忘的方法:架构、功能和结构方法。原创 2024-02-01 18:33:19 · 1004 阅读 · 0 评论 -
【VOSViewer】储层计算(Reservoir computing)的发展现状、研究热点、研究方向分析
通过VOSviewer数据分析工具,分析得到储层计算的热点涉及多个研究领域,我关心的是类脑神经计算、深度学习和相关技术的应用领域。包括储层计算在光学计算、物理库计算、软体机器人、激光导体等方向的研究内容。集中在物理和硬件领域的研究。原创 2024-01-24 00:07:55 · 1164 阅读 · 0 评论 -
如何对某个研究方向的领域论文进行分析?如何快速了解某个研究方向的发展现状?如何利用VOSviewer分析研究领域的发展现状?
本文介绍如何安装和使用VOSviewer软件,并以ESN(Echo State Network)网络的研究为案例进行分析。利用VOSviewer对相关文献进行可视化分析,并深入了解ESN网络在学术研究中的应用和发展情况。VOSviewer是一款用于可视化科学文献、词汇和其他类型数据的开放源代码软件,可以帮助用户发现数据中的模式,并更好地理解其内在结构。原创 2024-01-16 16:33:56 · 1632 阅读 · 0 评论 -
【Macos系统】安装VOSviewer及使用VOSviewer教程!!以ESN网络的研究进行案例分析
本文介绍如何安装和使用VOSviewer软件,并以ESN(Echo State Network)网络的研究为案例进行分析。利用VOSviewer对相关文献进行可视化分析,并深入了解ESN网络在学术研究中的应用和发展情况。VOSviewer是一款用于可视化科学文献、词汇和其他类型数据的开放源代码软件,可以帮助用户发现数据中的模式,并更好地理解其内在结构。原创 2024-01-16 16:19:26 · 2695 阅读 · 0 评论 -
【2020-2024持续更新】Echo State Network和储层计算论文汇总!包括经典ESN、DeepESN、组合ESN和综述!
关键词:ESN、Echo state network、Reservoir Computing。包含2020年至2024年最新的经典ESN、DeepESN、组合ESN、综述、附有源码的论文汇总。持续更新中更新时间:2024-1-15原创 2024-01-15 22:00:01 · 1251 阅读 · 0 评论 -
回声状态网络(Echo State Networks,ESN)详细原理讲解及Python代码实现
回声状态网络是一种循环神经网络。ESN 训练方式与传统 RNN 不同。网络结构如下图:(1)储层(Reservoir):中文翻译有叫储备池、储层、储蓄池等等各种名称。ESN 中的储层是互连神经元的集合,其中连接及其权重是随机初始化和固定的。该储层充当动态储层,其目的是将输入数据转换到更高维的空间,它充当动态存储器,捕获输入数据中的时间依赖性。储层中的神经元可以表现出复杂的动力学,包括振荡和混沌,这可以帮助捕获输入数据中的时间模式。(2)输出层:经过储层后,转换后的数据仅用于训练输出层。原创 2024-01-12 15:36:11 · 2428 阅读 · 0 评论