每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

皮质计算的几何：VCNet 中的流形解缠和预测动力学

Created by
  • Haebom

作者

Brennen A. Hill、张馨予、Timothy Putra Prasetio

大纲

本文指出了现代卷积神经网络 (CNN) 的不足，并提出了一种新颖的神经网络架构——视觉皮层网络 (VCNet)，该架构模拟了灵长类动物视觉皮层的结构和计算原理。VCNet 以几何方式诠释了关键的生物学机制，例如分层处理、双流信息分离和自下而上的预测反馈，从而诱导结构化低维神经流形的学习。我们在 Spots-10 动物图案数据集和光场图像分类任务上评估了 VCNet 的性能，并证明其准确率优于现有模型。

Takeaways，Limitations

•
Takeaways：
◦
我们证明，从几何角度整合生物学原理可以提高数据效率和泛化性能。
◦
VCNet 在 Spots-10 数据集上实现了 92.1% 的准确率，在 Optical Field 数据集上实现了 74.4% 的准确率，优于现有模型。
◦
这表明整合神经科学原理有助于解决机器学习中的难题。
•
Limitations：
◦
论文中没有具体提及Limitations。（回复仅基于论文摘要）
👍
Made with Slashpage