[新知] 貓腦：朝電子等同物邁進

看板Cognitive作者 (嘖嘖...)時間15年前 (2010/06/24 22:01), 編輯推噓13(13推 0噓 11→)
留言24則, 4人參與, 最新討論串1/1
貓腦：朝電子等同物邁進 Cat brain: A step toward the electronic equivalent http://www.physorg.com/news190483253.html http://only-perception.blogspot.com/2010/06/blog-post_21.html 中文翻譯版 【節錄】 "我們正使用一種與大自然打造腦袋相同的方法來建造一部電腦，" Lu 說，U-M 電機工程 與電腦科學系助教授。"這個點子利用一種與傳統電腦完全不一樣的典範。貓腦立下了一 個實際的目標，因為牠比人腦簡單許多，不過要重現（replicate）它，在複雜性與效率 上仍相當困難。" . . . 到目前為止，Lu 已經利用一個憶阻器連接二個電路。他已證明，這個系統具有一種稱為 「（動作）電位／時序相依可塑性（spike timing dependent plasticity，STDP）」之 學習與記憶過程的能力。這類型的可塑性指涉神經元間彼此相連接以變得更強的能力 -- 其時序則基於它們何時在彼此相關的情況下受刺激。 STDP 被視為哺乳類動物腦中記憶與學習的基礎。 ----------------------------------------------------------------------------- 請教一下, 就算有這種特性的元件存在, 要產生類似貓腦的功能, 也是用 設定cost function, 然後用大量data去訓練, 的方法嗎？ 還是有別的領域在探索該以什麼架構來組合元件勒？ 有相關的期刊嗎？ 感謝！ 　 -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 218.162.246.24
推
06/24 22:47, , 1F
是密西根大學的研究 #1Bp8uh2d也有相關報導
06/24 22:47, 1F
推
06/25 13:43, , 2F
你說的是 supervised learning 的方法，
06/25 13:43, 2F
→
06/25 13:46, , 3F
是有人作這麼作，不過原理上 STDP 比較像是
06/25 13:46, 3F
→
06/25 13:48, , 4F
unsupervised learning，元件會依據 input pattern
06/25 13:48, 4F
→
06/25 13:50, , 5F
自我組織，我在 neural computation 跟
06/25 13:50, 5F
→
06/25 13:51, , 6F
neural network 兩個 Journal 會刊登這方面的研究。
06/25 13:51, 6F
→
06/25 13:53, , 7F
寫錯，是 neural computation 跟 neural network 會
06/25 13:53, 7F
→
06/25 13:54, , 8F
刊登這方面的研究。
06/25 13:54, 8F
推
06/26 23:21, , 9F
為何是貓腦~~鼠腦已經成功了嘛~?
06/26 23:21, 9F
推
06/27 19:26, , 10F
可以先拜讀brendpnfish的大作嗎？ 我也有一篇unsupervised
06/27 19:26, 10F
→
06/27 19:27, , 11F
正在審查中...
06/27 19:27, 11F
推
06/28 10:22, , 12F
誤會大了 XD 我是說這兩個期刊會刊登這方面的研究，
06/28 10:22, 12F
→
06/28 10:22, , 13F
我不能"刊登"，只能投稿，目前是有一篇 supervised 的
06/28 10:22, 13F
→
06/28 10:24, , 14F
在 review ，不知 Bo 大是否有興趣？
06/28 10:24, 14F
推
06/28 10:54, , 15F
no problem...........thanks a lot.....
06/28 10:54, 15F
推
06/28 11:03, , 16F
請教一個外行問題，通常這種訓練會收斂嗎？還是也會訓練失
06/28 11:03, 16F
推
06/28 11:03, , 17F
敗。
06/28 11:03, 17F
推
06/28 13:20, , 18F
要看 input 是否有 pattern 存在，以及 learning rate
06/28 13:20, 18F
推
06/28 13:24, , 19F
相關的參數的設定，否則會訓練失敗，這是我作
06/28 13:24, 19F
→
06/28 13:24, , 20F
supervised learning 的情況。
06/28 13:24, 20F
推
06/28 13:48, , 21F
i see...感謝解說....看來這挺博大精深的
06/28 13:48, 21F
推
06/28 16:29, , 22F
其實要謹慎選擇training set...這樣可以大量降低失敗機率
06/28 16:29, 22F
→
06/28 16:31, , 23F
另外，還要注意最佳化的方法，不要陷入local minimum
06/28 16:31, 23F
推
06/29 00:24, , 24F
嗯嗯 看來其中大有文章.....
06/29 00:24, 24F
‣ 更多 LeeSeDol 的文章
文章代碼(AID): #1C8sKdVG (Cognitive)