[過去ﾛｸﾞ]
(強いAI)技術的特異点/シンギュラリティ153 (1002ﾚｽ)
上
下
前
次
1-
新
このｽﾚｯﾄﾞは過去ﾛｸﾞ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
過去ﾛｸﾞﾒﾆｭｰ
71
:
yamaguti
2019/03/08(金)14:30
ID:lgKqio1I(57/74)
AA×
BEｱｲｺﾝ:nida.gif
[240|
320
|
480
|
600
|
100%
|
JPG
|
べ
|
ﾚｽ栞
|
ﾚｽ消
]
71: yamaguti [sage] 2019/03/08(金) 14:30:33.80 ID:lgKqio1I sssp://img.5ch.net/ico/nida.gif 投影 : 投射 4 結論と見通し スパイクニューラルネッ としてマシンインテリジェンスアルゴリズムを実装し、 ｰロモルフィックハードウェアプラッ ｰムに移植するには、精度とスケーラビリティの観点から高い要求があ 本稿では、動的シミュ でHTMをうまくモデル化 ? 空間プーラーおよび一時記憶 ry 。 空間プーラー及び時間的記憶 ｰクの基本機能は、AdExニューロンに基づいて再現 できます ? ry 、概念ソフトウェアの証明はHMFに簡単に転送できます。 ry 。 理論的には、コンセプトネットワークの実証は HMF に簡単に転用できます。これは、高レベルのソフトウェアインタフェースが交換可能になるように設計されているためです。 もちろん、実際のハードウェアプラッ ｰムでモデルをエミュ ると、新たな課題が発生 ? HTMの学習規則をHMFで利用可能な固有の可塑性機能に適 ry 。 HTM の学習規則を HMFで利用可能なネイティブ可塑性フィーチャに適応させることは重要ではないことが判明しました 学習規則は、従来のSTDPの現在の実装では再現できませんでした。 6 http://rio2016.5ch.net/test/read.cgi/future/1552014941/71
投影 投射 結論と見通し スパイクニューラルネッ としてマシンインテリジェンスアルゴリズムを実装し ロモルフィックハードウェアプラッ ムに移植するには精度とスケーラビリティの観点から高い要求があ 本稿では動的シミュ でをうまくモデル化 空間プーラーおよび一時記憶 空間プーラー及び時間的記憶 クの基本機能はニューロンに基づいて再現 できます 概念ソフトウェアの証明はに簡単に転送できます 理論的にはコンセプトネットワークの実証は に簡単に転用できますこれは高レベルのソフトウェアインタフェースが交換可能になるように設計されているためです もちろん実際のハードウェアプラッ ムでモデルをエミュ ると新たな課題が発生 の学習規則をで利用可能な固有の可塑性機能に適 の学習規則を で利用可能なネイティブ可塑性フィーチャに適応させることは重要ではないことが判明しました 学習規則は従来のの現在の実装では再現できませんでした
上
下
前
次
1-
新
書
関
写
板
覧
索
設
栞
歴
あと 931 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
0.063s