×

快速收敛到要素层对应。 (英语) Zbl 1153.68422号

摘要:我们描述了一种能够快速建立神经特征层之间对应关系的神经网络。网络的两个层中的每一层都由相互连接的皮层柱组成,每个柱都由抑制性耦合的兴奋神经元亚群组成。该系统的动力学建立在单柱的动力学模型上,这与最近的实验结果一致。该网络通过专门的列来实现其层之间的动态链接,这些列评估局部特征细胞种群活动分布之间的相似性,受拓扑约束,并可以在神经层之间传递特征信息。该系统可以稳健地应用于自然图像,并且在生理学方面估计小于100ms的时间间隔中发现了对应关系。

MSC公司:

68T05型 人工智能中的学习和自适应系统
PDF格式BibTeX公司 XML格式引用
全文: 内政部

参考文献:

[1] DOI:10.1016/s042-6989(97)00121-1·doi:10.1016/S0042-6989(97)00121-1
[2] 内政部:10.1159/000065935·数字对象标识代码:10.1159/000065935
[3] 内政部:10.1016/S0020-7373(75)80030-7·Zbl 0309.68087号 ·doi:10.1016/S0020-7373(75)80030-7
[4] 内政部:10.1146/anurev.neuro.27.070203.144152·doi:10.1146/annurev.neuro.27.070203.144152
[5] 内政部:10.1002/cne.902980108·doi:10.1002/cne.902980108
[6] 内政部:10.1098/rspb.1977.0085·doi:10.1098/rspb.1977.0085
[7] Jones J.P.,《神经生理学杂志》58(6)pp 1233–(1987)
[8] 内政部:10.1088/0305-4470/21/16/006·Zbl 0657.68089号 ·doi:10.1088/0305-4470/21/16/006
[9] DOI:10.1016/j.neunet.2004.07.008·doi:10.1016/j.neunet.2004.07.008
[10] 内政部:10.1162/089976604772744893·Zbl 1111.68620号 ·doi:10.11162/08997604772744893
[11] 内政部:10.1126/science.968482·doi:10.1126/science.968482
[12] DOI:10.1016/j.cogsys.2006.07.001·doi:10.1016/j.cogsys.2006.07.001
[13] 数字对象标识码:10.1093/brain/120.4.701·doi:10.1093/brain/120.4.701
[14] Olshausen B.A.,《神经科学杂志》13(11)第4700页–(1993)
[15] 内政部:10.1038/381607a0·数字对象标识代码:10.1038/381607a0
[16] DOI:10.1002/(SICI)1096-9861(19960205)365:2<232::AID-CNE3>3.0.CO;2-6 ·doi:10.1002/(SICI)1096-9861(19960205)365:2<232::AID-CNE3>3.0.CO;2-6
[17] DOI:10.1093/cercor/3.1.49·doi:10.1093/cercor/3.149
[18] DOI:10.1009/34.879790·doi:10.1109/34.879790
[19] Ringach D.L.,《神经生理学杂志》88第455页–(2002)
[20] 内政部:10.1038/381520a0·数字对象标识代码:10.1038/381520a0
[21] DOI:10.1016/S0167-8655(98)00122-6·Zbl 0920.68119号 ·doi:10.1016/S0167-8655(98)00122-6
[22] 内政部:10.1162/neco.2007.19.12.3293·Zbl 1146.68441号 ·doi:10.1162/neco.2007.19.12.3293
[23] DOI:10.1038/nature03252·doi:10.1038/nature03252
[24] DOI:10.1016/j.neunet.2004.06.010·doi:10.1016/j.neunet.2004.06.010
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。