Fugu-MT 論文翻訳(概要): MARTI-4: new model of human brain, considering neocortex and basal ganglia -- learns to play Atari game by reinforcement learning on a single CPU

論文の概要: MARTI-4: new model of human brain, considering neocortex and basal ganglia -- learns to play Atari game by reinforcement learning on a single CPU

arxiv url: http://arxiv.org/abs/2209.02387v1
Date: Thu, 18 Aug 2022 20:23:49 GMT
ステータス: 処理完了
システム内更新日: 2022-09-11 13:19:44.751940
Title: MARTI-4: new model of human brain, considering neocortex and basal ganglia -- learns to play Atari game by reinforcement learning on a single CPU
Title（参考訳）: marti-4: 新皮質と基底ガングリアを考慮したヒト脳の新しいモデル -- 1つのcpuで強化学習することでatariゲームを学ぶ
Authors: Igor Pivovarov and Sergey Shumsky
Abstract要約: 我々は新皮質と基底神経節を考慮した新しいヒト脳モデルMARTIを提案する。内的報酬による強化学習プロセスを大幅に改善する,新たなサプライズ感覚機構を導入する。
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: We present Deep Control - new ML architecture of cortico-striatal brain circuits, which use whole cortical column as a structural element, instead of a singe neuron. Based on this architecture, we present MARTI - new model of human brain, considering neocortex and basal ganglia. This model is de-signed to implement expedient behavior and is capable to learn and achieve goals in unknown environments. We introduce a novel surprise feeling mechanism, that significantly improves reinforcement learning process through inner rewards. We use OpenAI Gym environment to demonstrate MARTI learning on a single CPU just in several hours.
Abstract（参考訳）: Deep Control - 声帯ニューロンの代わりに、全皮質列を構造要素として使用する、皮質-線条体脳回路の新しいMLアーキテクチャを提案する。このアーキテクチャに基づいて,新皮質と基底神経節を考慮した新しいヒト脳モデルMARTIを提案する。このモデルは、巧妙な振る舞いを実装するために設計され、未知の環境で学習し、目標を達成することができる。内的報酬による強化学習プロセスを大幅に改善する,新たなサプライズ感覚機構を導入する。我々はOpenAI Gym環境を使用して,単一のCPU上でのMARTI学習を数時間で実演する。

関連論文リスト

Orangutan: A Multiscale Brain Emulation-Based Artificial Intelligence Framework for Dynamic Environments [2.8137865669570297]
本稿では,脳に触発された新しいAIフレームワーク,Orangutanを紹介する。複数のスケールで生体脳の構造と計算機構をシミュレートする。物体観察時の人眼球運動をシミュレートする感覚運動モデルを開発した。
論文参考訳（メタデータ） (2024-06-18T01:41:57Z)
A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文参考訳（メタデータ） (2023-10-14T23:28:48Z)
A bio-inspired implementation of a sparse-learning spike-based hippocampus memory model [0.0]
本研究では,海馬に基づくバイオインスパイアされた新しい記憶モデルを提案する。記憶を覚えたり、キューから思い出したり、同じキューで他の人を学ぼうとする時の記憶を忘れたりできる。この研究は、完全に機能するバイオインスパイアされたスパイクベースの海馬記憶モデルの最初のハードウェア実装を示す。
論文参考訳（メタデータ） (2022-06-10T07:48:29Z)
Neuromorphic Artificial Intelligence Systems [58.1806704582023]
フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。この記事では、そのような制限と、それらが緩和される方法について論じる。これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
論文参考訳（メタデータ） (2022-05-25T20:16:05Z)
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)
Neurocoder: Learning General-Purpose Computation Using Stored Neural Programs [64.56890245622822]
ニューロコーダ(Neurocoder)は、汎用計算機の全く新しいクラスである。共有可能なモジュール型プログラムのセットから関連するプログラムを構成することで、データ応答性のある方法で“コード”を行う。モジュールプログラムを学習し、パターンシフトを厳しく処理し、新しいプログラムが学習されると、古いプログラムを記憶する新しい能力を示す。
論文参考訳（メタデータ） (2020-09-24T01:39:16Z)
Incremental Training of a Recurrent Neural Network Exploiting a Multi-Scale Dynamic Memory [79.42778415729475]
本稿では,マルチスケール学習を対象とする,漸進的に訓練された再帰的アーキテクチャを提案する。隠れた状態を異なるモジュールに分割することで、シンプルなRNNのアーキテクチャを拡張する方法を示す。新しいモジュールがモデルに反復的に追加され、徐々に長い依存関係を学習するトレーニングアルゴリズムについて議論する。
論文参考訳（メタデータ） (2020-06-29T08:35:49Z)
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)
Brain-inspired Distributed Cognitive Architecture [0.0]
感覚処理,分類,文脈予測,感情的タグ付けを取り入れた,脳に触発された認知アーキテクチャを提案する。本研究は,バイオリアリスティックな注目方向と感覚選択の基礎を築き,バイオリアリスティックな人工知能システムを実現するための重要なステップであると考えている。
論文参考訳（メタデータ） (2020-05-18T11:38:32Z)
Learning as Reinforcement: Applying Principles of Neuroscience for More General Reinforcement Learning Agents [1.0742675209112622]
我々は、生物学的アルゴリズムの計算効率の良い抽象化を組み合わせることによって、実験神経科学の原理に基づいて構築されたアーキテクチャを実装する。我々のアプローチは、スパイク刺激依存塑性の研究、短期記憶と長期記憶の遷移、および好奇心に対する様々な神経伝達物質の役割に着想を得たものである。 Neurons-in-a-Boxアーキテクチャは、完全に一般化可能な方法で学習することができ、一連の基準やアクションを明示的に最適化することなく、表現を構築し、適用するための効率的な方法を示す。
論文参考訳（メタデータ） (2020-04-20T04:06:21Z)

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。