×
翁居阳;天宇路旺;卢，洪;薛向阳

层流皮层功能层建模的多层就地学习网络。 （英语） Zbl 1254.91703号

神经网络。 21，编号2-3，150-159（2008）.
摘要：目前，缺乏对大脑皮层特征层建模的通用就地学习网络。所谓“通用”是指通用但自适应的高维函数逼近器。就地学习是一个植根于基因组等效原则的生物学概念，这意味着每个神经元在其环境中对自己的学习完全负责，不需要外部学习者。为实现这一宏伟目标，本文提出了多层就地学习网络（MILN）。计算上，就地学习提供了非常有效的学习算法，其简单性、低计算复杂度和通用性与典型的传统学习算法不同。基于神经科学文献，我们将第4层和第2/3层建模为6层层流皮层中的特征层，第4层使用无监督学习，第2/3层流皮层使用监督学习。作为自主心理发展的必要条件，MILN在不同的层中生成不变的神经元，从早期到晚期的不变性增加，最后一个运动层的总不变性增加。这种自生不变量表示主要通过降序（自上而下）连接实现。在开放式开发中，自生不变量表示被用作学习后续任务的中间表示。

MSC公司：

91E40型 心理学中的记忆和学习
68T05型 人工智能中的学习和自适应系统
92C20美元 神经生物学
92B20型 生物研究、人工生命和相关主题中的神经网络

关键词：

层皮质;皮层结构;特征提取;回归，回归;无监督学习;监督学习;表示;抽象;多任务学习

软件：

MNIST公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Weng}等人，神经网络。21，编号2--3，150-159（2008；Zbl 1254.91703）
全文： 内政部

参考文献：

[1] Andersen，R.A。；浅沼，C。；埃西克·G。；Siegel，R.M.，顶叶下叶内解剖和生理上定义的分区的皮层-皮层连接，比较神经学杂志，296，65-113（1990）
[2] Boussaoud博士。；Ungerleider，L.C。；Desimone，R.，《运动分析的途径：猕猴颞上视区内侧上和眼底的皮质联系》，《比较神经学杂志》，296462-495（1990）
[3] Callaway，E.M.，猕猴初级视觉皮层的局部回路，《神经科学年度评论》，21，47-74（1998）
[4] Fahlman，S.E.和Lebiere，C.（1990年）。级联相关学习体系结构技术代表CMU-CS-90-100; Fahlman，S.E.和Lebiere，C.（1990年）。级联相关学习架构技术代表CMU-CS-90-100
[5] Felleman，D.J。；Van Essen，D.C.，灵长类大脑皮层的分布式分层处理，大脑皮层，1,1-47（1991）
[6] Field，D.，感官编码的目的是什么？，神经计算，6559-601（1994）
[7] Grossberg，S。；Williamson，J.R.，关于视觉皮层水平和层间连接如何发展为成人回路以进行感知分组和学习的神经模型，《大脑皮层》，11，37-58（2001）
[8] Jolliffe，I.T.，主成分分析（1986），Springer-Verlag:Springer-Verlag纽约·Zbl 1011.62064号
[9] （Kandel，E.R.；Schwartz，J.H.；Jessell，T.M.，《神经科学原理》（1991），阿普尔顿和兰格：阿普尔顿&兰格诺沃克，康涅狄格州）
[10] （Kandel，E.R.；Schwartz，J.H.；Jessell，T.M.，《神经科学原理》（2000），McGraw-Hill:McGraw-Hill纽约）
[11] LeCun，Y.（2007）。手写数字的MNIST数据库。[在线]。可用：http://yann.lecun.com/exdb/mnist; LeCun，Y.（2007）。手写数字的MNIST数据库。[在线]。可用：http://yann.lecun.com/exdb/mnist
[12] Lehmann，E.L.，《点估计理论》（1983），John Wiley and Sons，Inc.：纽约John Willey and Sons公司·Zbl 0522.62020号
[13] Luciw，M.D.和Weng，J.（2007年）。MILN源代码。[在线]。可用：http://www.cse.msu.edu/ei/software.htm; Luciw，M.D.和Weng，J.（2007年）。MILN源代码。[在线]。可用：http://www.cse.msu.edu/ei/software.htm
[14] Purves，W.K。；Sadava，D。；奥里亚斯，G.H。；海勒，H.C.，《生命：生物学》（2004），西努埃尔：西努埃尔·桑德兰，马萨诸塞州
[15] Sinkkonen，J.（1997年）。用于ICA实验的自然图像采集。[在线]。可用：http://www.cis.hut.fi/projects/ica/data/images/; Sinkkonen，J.（1997年）。用于ICA实验的自然图像采集。[在线]。可用：http://www.cis.hut.fi/projects/ica/data/images/
[16] 翁，J。；Hwang，W.，增量层次判别回归，IEEE神经网络汇刊，18，2，397-415（2007）
[17] Weng，J.和Zhang，N.（2006年）。就地学习和波瓣分量分析。在程序。IEEE计算智能世界大会; Weng，J.和Zhang，N.（2006年）。就地学习和波瓣分量分析。在程序。IEEE计算智能世界大会
[18] 翁，J。；Zhang，Y。；Hwang，W.，Candid无协方差增量主成分分析，IEEE模式分析和机器智能汇刊，25，8，1034-1040（2003）
[19] Weng，J.、Luwang，T.、Lu，H.和Xue，X.（2007）。多层就地学习网络用于发展一般不变性和多任务学习。在2007年IJCNN会议记录; Weng，J.、Luwang，T.、Lu，H.和Xue，X.（2007）。多层就地学习网络用于发展一般不变性和多任务学习。在2007年IJCNN会议记录
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。