論文の概要: Brain-inspired Computing Based on Deep Learning for Human-computer Interaction: A Review
- arxiv url: http://arxiv.org/abs/2312.07213v4
- Date: Tue, 19 Nov 2024 01:27:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-20 13:34:01.501153
- Title: Brain-inspired Computing Based on Deep Learning for Human-computer Interaction: A Review
- Title（参考訳）: 人-コンピュータインタラクションのための深層学習に基づく脳インスパイアされたコンピューティング
- 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、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、潜在的研究動向について概観する。
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）: 1.18749525824656
- License:
- 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 deep learning (DL), tracking its 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 brain-inspired computing for human-computer interaction. In addition, the latest progress of deep learning in different tasks of brain-inspired computing for human-computer interaction is reviewed from five perspectives, including datasets 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、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、その進化を最近の機械学習と現在のディープラーニングの2つの段階に分ける。
さらに、人-コンピュータインタラクションのための脳に触発された様々なタスクにおけるディープラーニングの最新の進歩は、データセットや脳信号を含む5つの視点からレビューされ、モデルにおける重要な技術の適用について詳しく述べられている。
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、今後の学術研究の方向性についての洞察を提供する。
詳細については、GitHubのページを参照してほしい。
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) - Machine Psychology [54.287802134327485]
我々は、心理学にインスパイアされた行動実験において、研究のための実りある方向が、大きな言語モデルに係わっていると論じる。
本稿では,本手法が表に示す理論的視点,実験パラダイム,計算解析技術について述べる。
これは、パフォーマンスベンチマークを超えた、生成人工知能(AI)のための「機械心理学」の道を開くものだ。
論文 参考訳（メタデータ） (2023-03-24T13:24:41Z) - 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。