論文の概要: New Ideas for Brain Modelling 6

• arxiv url: http://arxiv.org/abs/2005.05137v1
• Date: Mon, 11 May 2020 14:28:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-04 20:19:48.639511
• Title: New Ideas for Brain Modelling 6
• Title（参考訳）: 脳モデリング6の新しい考え方
• Authors: Kieran Greer
• Abstract要約: 本稿では,3段階認知モデルの実装の詳細について述べる。 アーキテクチャ全体がモジュール化され、さまざまなタイプの情報を使用してさまざまなレベルが設定されている。 トップレベルの認知層は、以前の論文の認知プロセス言語(CPL)をモデル化するために再設計された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper describes implementation details for a 3-level cognitive model, described in the paper series. The whole architecture is now modular, with different levels using different types of information. The ensemble-hierarchy relationship is maintained and placed in the bottom optimising and middle aggregating levels, to store memory objects and their relations. The top-level cognitive layer has been re-designed to model the Cognitive Process Language (CPL) of an earlier paper, by refactoring it into a network structure with a light scheduler. The cortex brain region is thought to be hierarchical - clustering from simple to more complex features. The refactored network might therefore challenge conventional thinking on that brain region. It is also argued that the function and structure in particular, of the new top level, is similar to the psychology theory of chunking. The model is still only a framework and does not have enough information for real intelligence. But a framework is now implemented over the whole design and so can give a more complete picture about the potential for results.
• Abstract（参考訳）: 本稿では,論文シリーズに記述された3レベル認知モデルの実装詳細について述べる。 アーキテクチャ全体がモジュール化され、さまざまなレベルの情報が使用されるようになりました。 アンサンブルと階層の関係は、記憶オブジェクトとその関係を記憶するために、下位の最適化レベルと中間集約レベルに維持・配置される。 トップレベルの認知層は、光スケジューラでネットワーク構造にリファクタリングすることで、以前の論文の認知プロセス言語(cpl)をモデル化するために再設計された。 大脳皮質は、単純な特徴からより複雑な特徴まで階層的クラスターであると考えられている。 したがって、リファクタされたネットワークは、その脳領域における従来の思考に挑戦するかもしれない。 また、特に新しいトップレベルの機能と構造は、チャンキングの心理学理論と類似しているとも主張されている。 モデルはまだフレームワークに過ぎず、実際のインテリジェンスに十分な情報を持っていない。 しかし、フレームワークは設計全体を通して実装され、結果の可能性についてより完全な図を示せるようになります。

関連論文リスト

• From Manifestations to Cognitive Architectures: a Scalable Framework [2.6563873893593826]
  本稿では,現実を情報源として解釈する新しい手法を提案する。 このフレームワークは、Long Term MemoryやWorking Memoryといった、古典的な認知アーキテクチャの要素を構築することができる。
  論文  参考訳（メタデータ） (2024-06-14T08:26:26Z)
• Emergent Language Symbolic Autoencoder (ELSA) with Weak Supervision to Model Hierarchical Brain Networks [0.12075823996747355]
  脳ネットワークには階層的な組織があり、既存のディープラーニングモデルに課題をもたらす複雑性がある。 本稿では,弱い監督と創発的言語(EL)フレームワークによって情報を得るシンボリックオートエンコーダを提案する。 私たちの革新には、文と画像の両方が機能的脳ネットワークの階層構造を正確に反映するように設計された一般化階層的損失関数が含まれています。
  論文  参考訳（メタデータ） (2024-04-15T13:51:05Z)
• Classification and Reconstruction Processes in Deep Predictive Coding Networks: Antagonists or Allies? [0.0]
  ビジュアルコンピューティングのための予測符号化にインスパイアされたディープネットワークは、共有中間層における分類と再構成プロセスを統合する。 ディープラーニングアーキテクチャにおけるインタラクションの分類と再構築について、批判的な考察をしている。 分類駆動情報は中間層の共有表現における再構成駆動情報を減少させる。
  論文  参考訳（メタデータ） (2024-01-17T14:34:32Z)
• CogNGen: Constructing the Kernel of a Hyperdimensional Predictive Processing Cognitive Architecture [79.07468367923619]
  神経生物学的に妥当な2つの計算モデルを組み合わせた新しい認知アーキテクチャを提案する。 我々は、現代の機械学習技術の力を持つ認知アーキテクチャを開発することを目指している。
  論文  参考訳（メタデータ） (2022-03-31T04:44:28Z)
• Hierarchical Variational Memory for Few-shot Learning Across Domains [120.87679627651153]
  本稿では,プロトタイプの各レベルが階層メモリから対応する情報を取得する階層型プロトタイプモデルを提案する。 このモデルには、ドメインシフトの状況が要求される場合、異なるセマンティックレベルの機能を柔軟に依存する能力が備わっている。 モデルにおける各コンポーネントの有効性を示すために、徹底的なアブレーション研究を行っている。
  論文  参考訳（メタデータ） (2021-12-15T15:01:29Z)
• Dynamic Inference with Neural Interpreters [72.90231306252007]
  本稿では,モジュールシステムとしての自己アテンションネットワークにおける推論を分解するアーキテクチャであるNeural Interpretersを提案する。 モデルへの入力は、エンドツーエンドの学習方法で一連の関数を通してルーティングされる。 ニューラル・インタープリタは、より少ないパラメータを用いて視覚変換器と同等に動作し、サンプル効率で新しいタスクに転送可能であることを示す。
  論文  参考訳（メタデータ） (2021-10-12T23:22:45Z)
• Towards a Predictive Processing Implementation of the Common Model of Cognition [79.63867412771461]
  本稿では,ニューラル生成符号化とホログラフィック連想記憶に基づく認知モデルの実装について述べる。 提案システムは,多様なタスクから継続的に学習し,大規模に人的パフォーマンスをモデル化するエージェントを開発するための基盤となる。
  論文  参考訳（メタデータ） (2021-05-15T22:55:23Z)
• New Ideas for Brain Modelling 7 [0.0]
  本稿では、2つのシステムを作成し、それらを同じ構造上に統一することで認知モデルを更新する。 これは意味レベルでのみ情報を表し、ラベル付きパターンは'type-set-match'形式で集約される。
  論文  参考訳（メタデータ） (2020-11-04T10:59:01Z)
• Neural Function Modules with Sparse Arguments: A Dynamic Approach to Integrating Information across Layers [84.57980167400513]
  Neural Function Modules (NFM)は、ディープラーニングに同じ構造機能を導入することを目的としている。 トップダウンとボトムアップのフィードバックを組み合わせたフィードフォワードネットワークのコンテキストにおける作業のほとんどは、分類の問題に限られている。 私たちの仕事の重要な貢献は、フレキシブルなアルゴリズムで注意、疎結合、トップダウン、ボトムアップのフィードバックを組み合わせることです。
  論文  参考訳（メタデータ） (2020-10-15T20:43:17Z)
• Towards a Neural Model for Serial Order in Frontal Cortex: a Brain Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
  そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。 我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。 これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
  論文  参考訳（メタデータ） (2020-05-22T14:29:51Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。