标签：可塑性 towards AGI 神经科学 intelligence 模型 学习 human 方法
郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！
Abstract
面向神经科学和面向计算机科学的方法的结合是开发可以学习类似于人类的一般任务的通用人工智能(AGI)的最有前途的方法。目前，存在两种主要的学习途径，包括以局部突触可塑性为代表的受神经科学启发的方法，以及以反向传播为代表的机器学习方法。两者各有千秋，相得益彰，但都不能很好地解决所有的学习问题。将这两种方法集成到一个网络中可以为一般任务提供更好的学习能力。在此，我们报告了一种基于脉冲的混合学习模型，该模型通过引入元局部模块和两阶段因果关系建模方法来集成这两种方法。该模型不仅可以优化局部可塑性规则，还可以接收自上而下的监督信息。除了灵活支持多种基于脉冲的编码方案外，我们还证明了该模型有助于学习许多通用任务，包括容错学习、小样本学习和多任务学习，并在天机神经形态平台上展示其效率。这项工作为类脑计算提供了一条新途径，并促进了AGI的发展。
标签：可塑性,towards,AGI,神经科学,intelligence,模型,学习,human,方法 来源： https://www.cnblogs.com/lucifer1997/p/15524941.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。