Помимо очевидного биологического правдоподобия, с вычислительной точки зрения, какова мотивация использования Neural Engineering Framework (NEF) вместо искусственных нейронных сетей (ANN) для вычислительных функций? Из того, что я могу сказать, обе они приблизительно выполняют функции, обладают способностью изучать новые функции и способны создавать самоорганизующиеся сети. Чем отличается NEF?
Во-первых, давайте рассмотрим основные принципы NEF .
Первые два принципа (представление и вычисление) кажутся аналогичными обученным моделям ИНС. Кроме того, с описанным здесь правилом обучения hPES они, по-видимому, обладают одинаковыми возможностями обучения (градиентного спуска).
Чем NEF больше всего отличается от ANN, так это тем, что он начинает описывать динамику (осцилляторы, аттракторы). Описание того, как он это делает и чего он достигает, можно найти здесь в примечаниях к курсу Терри Стюарта .
Описание динамики важно для мозга, поскольку простые осцилляторы и интеграторы, по-видимому, являются основой многих различных когнитивных способностей, таких как рабочая память и двигательный контроль.
Киган Кеплингер
Шонни123
Киган Кеплингер
Шонни123
Киган Кеплингер