[過去ログ]
(強いAI)技術的特異点/シンギュラリティ 83 (知能増幅) [無断転載禁止]©2ch.net (220レス)
上
下
前
次
1-
新
このスレッドは過去ログ倉庫に格納されています。
次スレ検索
歴削→次スレ
栞削→次スレ
過去ログメニュー
43
(2)
:
yamaguti~貸
2017/09/24(日)20:17
ID:ma5WYMpw(1)
AA×
>>492
ID:vY4r2i0B
BEアイコン:nida.gif
外部リンク:arxiv.org
Twitterリンク:hillbig
外部リンク:translate.google.jp
[240|
320
|
480
|
600
|
100%
|
JPG
|
べ
|
レス栞
|
レス消
]
43: yamaguti~貸 [] 2017/09/24(日) 20:17:14 ID:ma5WYMpw sssp://img.2ch.net/ico/nida.gif >492 :オーバーテクナナシー:2017/09/23(土) 19:54:47.75 ID:vY4r2i0B > 脳の大脳新皮質の学習は100ミリ秒未来の予測と実際との誤差を教師信号として学習される説を提案。 > 視床枕が予測を映し出すスクリーンの役目を担い、α波に従って予測と実際を切り替えその誤差が各領域に伝搬され逆誤差伝搬法と同じ更新がされる >http://arxiv.org/abs/1709.04654 >http://mobile.twitter.com/hillbig/status/911091101024399362 http://translate.google.jp/ コーネル大学 定量的生物学>ニューロンと認知 タイトル:深い予測学習:3つのビジュアルストリームの包括的なモデル 著者: Randall C. O'Reilly 、 Dean R. Wyatte 、 John Rohrlich 要旨:新皮質は、私たちのすべての高次認知能力の基礎を学び、どのように発展させるのでしょうか? 私たちは、レベル間の明確な理論的連続性を持ち、生物学的、計算的、および認知的なレベルにわたる 包括的な枠組みを提示し、各レベルでの広範なデータによって直接的に支持された一貫した答えを提供する。 学習は、感覚が100msec(アルファ周波数)間隔で報告されることについての予測を行い、 予測精度を向上させるためにシナプスの重みを適応させることに基づいている。 視床の脊髄核は、複数の脳領域からの深層6大脳皮質の入力および抽象化のレベルによって、 予測が生成される投影スクリーンとして機能する。 層5内因性バーストニューロンからの疎駆動入力は標的信号を提供し、 それと予測との間の時間差は皮質全体に反映され、 詳細な生物物理学から直接得られた方程式の局所活性化信号のみを用いて 誤差逆伝播に近似するシナプス変化を引き起こすモデル。 ビジョンでは、予測学習には、2つの中心的な原則に従って、 3つの経路(What、Where、What * Where)の慎重に組織化された発達の進行と解剖学的構成が必要です。 低レベルの感覚入力の正確な予測のために; より高レベルの抽象化の学習を促進する分離可能な因子の抽出を 可能にするために、集合的な低レベルの予測誤差を漸進的かつ機敏に分割しなければならない。 私たちのモデルは、シンプルなムービーから100種類のオブジェクトを体系的に不変なオブジェクト表現で構成し、 幅広いデータを扱い、多くのテスト可能な予測を行います。 http://rio2016.5ch.net/test/read.cgi/future/1504872499/43
オーバーテクナナシー土 脳の大脳新皮質の学習はミリ秒未来の予測と実際との誤差を教師信号として学習される説を提案 視床枕が予測を映し出すスクリーンの役目を担い波に従って予測と実際を切り替えその誤差が各領域に伝搬され逆誤差伝搬法と同じ更新がされる コーネル大学 定量的生物学ニューロンと認知 タイトル深い予測学習つのビジュアルストリームの包括的なモデル 著者 要旨新皮質は私たちのすべての高次認知能力の基礎を学びどのように発展させるのでしょうか? 私たちはレベル間の明確な理論的連続性を持ち生物学的計算的および認知的なレベルにわたる 包括的な枠組みを提示し各レベルでの広範なデータによって直接的に支持された一貫した答えを提供する 学習は感覚がアルファ周波数間隔で報告されることについての予測を行い 予測精度を向上させるためにシナプスの重みを適応させることに基づいている 視床の脊髄核は複数の脳領域からの深層大脳皮質の入力および抽象化のレベルによって 予測が生成される投影スクリーンとして機能する 層内因性バーストニューロンからの疎駆動入力は標的信号を提供し それと予測との間の時間差は皮質全体に反映され 詳細な生物物理学から直接得られた方程式の局所活性化信号のみを用いて 誤差逆伝播に近似するシナプス変化を引き起こすモデル ビジョンでは予測学習にはつの中心的な原則に従って つの経路 の慎重に組織化された発達の進行と解剖学的構成が必要です 低レベルの感覚入力の正確な予測のために より高レベルの抽象化の学習を促進する分離可能な因子の抽出を 可能にするために集合的な低レベルの予測誤差を漸進的かつ機敏に分割しなければならない 私たちのモデルはシンプルなムービーから種類のオブジェクトを体系的に不変なオブジェクト表現で構成し 幅広いデータを扱い多くのテスト可能な予測を行います
上
下
前
次
1-
新
書
関
写
板
覧
索
設
栞
歴
あと 177 レスあります
スレ情報
赤レス抽出
画像レス抽出
歴の未読スレ
AAサムネイル
ぬこの手
ぬこTOP
0.078s