論文の概要: Human-computer Interaction for Brain-inspired Computing Based on Machine
Learning And Deep Learning: A Review
- arxiv url: http://arxiv.org/abs/2312.07213v3
- Date: Fri, 8 Mar 2024 02:29:21 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-11 22:54:23.265412
- Title: Human-computer Interaction for Brain-inspired Computing Based on Machine
Learning And Deep Learning: A Review
- Title(参考訳): 機械学習と深層学習に基づく脳インスパイアコンピューティングのためのヒューマン・コンピュータインタラクション
- Authors: Bihui Yu, Sibo Zhang, Lili Zhou, Jingxuan Wei, Linzhuang Sun, Liping
Bu
- Abstract要約: 脳にインスパイアされたコンピューティングは、マルチモーダル技術とバイオメディカル分野の間の重要な交差点である。
本稿では、機械学習(ML)とディープラーニング(DL)に基づく脳に触発されたコンピューティングモデルについてレビューする。
脳にインスパイアされた計算モデルの大幅な進歩にもかかわらず、その能力を完全に活用することが課題である。
- 参考スコア(独自算出の注目度): 1.25828876338076
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The continuous development of artificial intelligence has a profound impact
on biomedicine and other fields, providing new research ideas and technical
methods. Brain-inspired computing is an important intersection between
multimodal technology and biomedical field. Focusing on the application
scenarios of decoding text and speech from brain signals in human-computer
interaction, this paper presents a comprehensive review of the brain-inspired
computing models based on machine learning (ML) and deep learning (DL),
tracking their evolution, application value, challenges and potential research
trends. We first reviews its basic concepts and development history, and
divides its evolution into two stages: recent machine learning and current deep
learning, emphasizing the importance of each stage in the research of
human-computer interaction for brain-inspired computing. In addition, the
latest progress of deep learning in different tasks of human-computer
interaction for brain-inspired computing is reviewed from six perspectives,
such as data sets and different brain signals, and the application of key
technologies in the model is elaborated in detail. Despite significant advances
in brain-inspired computational models, challenges remain to fully exploit
their capabilities, and we provide insights into possible directions for future
academic research. For more detailed information, please visit our GitHub page:
https://github.com/ultracoolHub/brain-inspired-computing.
- Abstract(参考訳): 人工知能の継続的な発展は、バイオメディシンやその他の分野に大きな影響を与え、新しい研究思想と技術手法を提供する。
脳にインスパイアされたコンピューティングは、マルチモーダル技術とバイオメディカル分野の間の重要な交差点である。
本稿では,人間のコンピュータインタラクションにおける脳信号からテキストや音声を復号するアプリケーションシナリオに着目し,機械学習(ML)とディープラーニング(DL)に基づく脳に触発されたコンピューティングモデルについて,その進化,アプリケーション価値,課題,潜在的研究動向を総合的にレビューする。
我々はまず、その基本的な概念と開発史をレビューし、その進化を2つの段階に分けた。最近の機械学習と現在のディープラーニングであり、脳にインスパイアされたコンピューティングにおける人間とコンピュータの相互作用の研究における各段階の重要性を強調している。
さらに,脳に触発されたコンピュータのためのヒューマン・コンピュータインタラクションのタスクにおけるディープラーニングの最近の進歩を,データセットや異なる脳信号といった6つの視点から概観し,モデルにおける重要な技術の適用について詳細に述べる。
脳にインスパイアされた計算モデルの大幅な進歩にもかかわらず、その能力を完全に活用することが課題であり、将来の学術研究の方向性に関する洞察を提供する。
詳細はgithubのページをご覧ください。 https://github.com/ultracoolhub/brain-inspired-computing.com/。
関連論文リスト
- Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳(メタデータ) (2023-12-01T05:20:57Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳(メタデータ) (2023-08-15T16:37:16Z) - Digital twin brain: a bridge between biological intelligence and
artificial intelligence [12.55159053727258]
本稿では,生物と人工知能のギャップを埋めるトランスフォーメーションプラットフォームとして,Digital Twin Brain(DTB)を提案する。
DTBは、ツインニング過程の基本となる脳構造、脳機能を生成する底層モデル、幅広い応用の3つの中核要素から構成される。
論文 参考訳(メタデータ) (2023-08-03T03:36:22Z) - World Models and Predictive Coding for Cognitive and Developmental
Robotics: Frontiers and Challenges [51.92834011423463]
我々は世界モデルと予測符号化の2つの概念に焦点を当てる。
神経科学において、予測符号化は、脳がその入力を継続的に予測し、その環境における自身のダイナミクスと制御行動のモデル化に適応するように提案する。
論文 参考訳(メタデータ) (2023-01-14T06:38:14Z) - Language Cognition and Language Computation -- Human and Machine
Language Understanding [51.56546543716759]
言語理解は認知科学とコンピュータ科学の分野で重要な科学的問題である。
これらの規律を組み合わせることで、インテリジェントな言語モデルを構築する上で、新たな洞察が得られますか?
論文 参考訳(メタデータ) (2023-01-12T02:37:00Z) - In the realm of hybrid Brain: Human Brain and AI [0.0]
現在の脳-コンピュータインターフェース(BCI)技術は主に治療結果に関するものである。
近年,脳信号のデコードには人工知能(AI)と機械学習(ML)技術が用いられている。
クローズドループ,インテリジェント,低消費電力,小型化されたニューラルインターフェースの開発を想定する。
論文 参考訳(メタデータ) (2022-10-04T08:35:34Z) - Multimodal foundation models are better simulators of the human brain [65.10501322822881]
1500万の画像テキストペアを事前訓練した,新たに設計されたマルチモーダル基礎モデルを提案する。
視覚的エンコーダも言語的エンコーダもマルチモーダルで訓練され,脳に近いことが判明した。
論文 参考訳(メタデータ) (2022-08-17T12:36:26Z) - Ten Quick Tips for Deep Learning in Biology [116.78436313026478]
機械学習は、データのパターンを認識し、予測モデリングに使用するアルゴリズムの開発と応用に関係している。
ディープラーニングは、独自の機械学習のサブフィールドになっている。
生物学的研究の文脈において、ディープラーニングは高次元の生物学的データから新しい洞察を導き出すためにますます使われてきた。
論文 参考訳(メタデータ) (2021-05-29T21:02:44Z) - Brain Co-Processors: Using AI to Restore and Augment Brain Function [2.3986080077861787]
人工知能(AI)を用いた統合フレームワークにおいて、デコードとエンコーディングを組み合わせた脳コプロセッサを導入する。
脳のコプロセッサは、脳損傷後のリハビリのためにヘビアン可塑性を誘導することや、麻痺した手足の再アニメーション、記憶の増強など、様々な用途に使用できる。
本稿では,ニューラルネットワーク,ディープラーニング,強化学習に基づく脳コプロセッサ開発のための新しいフレームワークについて述べる。
論文 参考訳(メタデータ) (2020-12-06T21:06:28Z) - Memristors -- from In-memory computing, Deep Learning Acceleration,
Spiking Neural Networks, to the Future of Neuromorphic and Bio-inspired
Computing [25.16076541420544]
機械学習は、特にディープラーニングの形で、人工知能の最近の基本的な発展のほとんどを駆動している。
ディープラーニングは、オブジェクト/パターン認識、音声と自然言語処理、自動運転車、インテリジェントな自己診断ツール、自律ロボット、知識に富んだパーソナルアシスタント、監視といった分野に成功している。
本稿では、電力効率の高いインメモリコンピューティング、ディープラーニングアクセラレーター、スパイクニューラルネットワークの実装のための潜在的なソリューションとして、CMOSハードウェア技術、memristorsを超越した小説をレビューする。
論文 参考訳(メタデータ) (2020-04-30T16:49:03Z) - Morphological Computation and Learning to Learn In Natural Intelligent
Systems And AI [2.487445341407889]
深層学習のアルゴリズムは、脳機能に関する私たちの不完全な知識にもかかわらず、自然、特に人間の脳からインスピレーションを受けています。
問題は、開発段階での計算的性質からインスピレーションを得られることは、ディープラーニングに何をもたらすのか、そして機械学習におけるモデルと実験が、神経科学と認知科学の研究を動機づけ、正当化し、導くことができるのかである。
論文 参考訳(メタデータ) (2020-04-05T20:11:42Z)
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。