表示在视觉皮层和神经网络之间的通信

领导的一个研究小组彦Wagatsuma,东邦大学讲师Akinori Hidaka保持,东京电机大学副教授和Hiroshi田村,大阪大学副教授,发现关注预测的神经网络结构,基于深度学习中使用人工智能的发展,灵长类动物的脑机制也有类似的特征。

这一发现是通过运用比较的研究方法之间大脑活动的猴子和人类人工神经网络。这一发现可能不仅有助于了解大脑皮层机制的注意力还开发人工选择情报。

深层神经网络(款),用于人工智能的发展,数学模型获得适当的机制来解决具体问题的训练和大规模数据集。然而,款通过这个学习过程的详细机制尚未阐明。

彦领导的研究小组Wagatsuma,讲师理学院,东邦大学Akinori Hidaka,保持科学与工程学院副教授,东京电机大学和Hiroshi田村,前沿生物科学研究生院副教授,大阪大学发现,反应的特点款预测图像的注意到最重要的位置是一致的神经表征初级视觉皮层(V1)的灵长类动物。这个发现是可能的运用比较的分析方法设计的特点,在猴子与人类神经活动款。

结果本研究关注的神经机制提供了重要的见解。此外,注意力机制的应用包括人类在内的灵长类动物可能会加速人工智能的发展。

重点:

• 灵长类动物视觉皮层之间的通信和深度已经揭示了神经网络应用的研究方法比较不同物种之间的神经活动,如人类和猴子,人工神经网络。
• 最近,利用深层神经网络作为主要发展人工智能的方法。Wagatsuma等人也报道了类似的属性之间的深层神经网络预测的关注和灵长类动物的初级视觉皮层(V1)。此外,他们的发现暗示的机制深层神经网络关注预测可能是有别于等对象分类VGG 16。
• 注意是一个函数,使我们能够参加最重要的信息,这是最重要的关键字在最近人工智能的发展。这项研究的结果可能会提供贡献不仅对于理解神经机制选择的灵长类动物,包括人类的关注,同时也为发展中人工智能。

---

---