人工神经网络太简陋了,《Science》揭露,神经元树突也隐含计算能力

本文主要是介绍人工神经网络太简陋了,《Science》揭露,神经元树突也隐含计算能力,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

       本篇文章是博主在人工智能等领域学习时,用于个人学习、研究或者欣赏使用,并基于博主对人工智能等领域的一些理解而记录的学习摘录和笔记,若有不当和侵权之处,指出后将会立即改正,还望谅解。文章分类在学习摘录和笔记专栏

        学习摘录和笔记(13)---人工神经网络太简陋了,《Science》揭露,神经元树突也隐含计算能力》

人工神经网络太简陋了,《Science》揭露

神经元树突也隐含计算能力

原文/论文出处:

题目:《Dendritic action potentials and computation in human layer 2/3 cortical neurons

时间:2020-01-03

来源:Science


 1 笔记    

        目前对于计算机科学家来讲,人工神经网络构建,往往基于这样一个概念:神经元是一个简单的、非智能的开关,神经网络的信息处理来源于数万(数万亿)个神经元之间的连接。

        神经科学家对于人脑的研究发现却并不是如此。在神经科学的诸多研究中已经发现,人脑在信息计算上并不只有神经元连接在起作用,单个的神经元也同样承担着比以前人们想象中要重要得多的计算任务

        《Science》上发表了一篇论文 “Dendritic action potentials and computation in human layer 2/3 cortical neurons”。在这篇论文中,研究人员发现,皮质神经元树突上的微小区室(tiny compartments in the dendritic arms of cortical neurons)可以执行特定的计算-“异或”。这个发现之所以重要,在于,一直以来数学理论家们都认为单个神经元是无法进行“异或”计算的;现在则不仅是单个神经元,甚至神经元的树突上的部分都可以进行“异或”运算。 

        神经元并不单纯只是为了连接,它们同样能够执行复杂运算,神经元本身可能也是一个多层网络。


2 原文

 原文链接:Dendritic action potentials and computation in human layer 2/3 cortical neuronshttps://www.science.org/doi/10.1126/science.aax6239?url_ver=Z39.88-2003&rfr_id=ori:rid:crossref.org&rfr_dat=cr_pub%20%200pubmed

     文章若有不当和不正确之处,还望理解与指出。由于部分文字、图片等来源于互联网,无法核实真实出处,如涉及相关争议,请联系博主删除。如有错误、疑问和侵权,欢迎评论留言联系作者,或者关注VX公众号:Rain21321,联系作者。

这篇关于人工神经网络太简陋了,《Science》揭露,神经元树突也隐含计算能力的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/428631

相关文章

【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络(1)sklearn

系列文章目录 监督学习:参数方法 【学习笔记】 陈强-机器学习-Python-Ch4 线性回归 【学习笔记】 陈强-机器学习-Python-Ch5 逻辑回归 【课后题练习】 陈强-机器学习-Python-Ch5 逻辑回归(SAheart.csv) 【学习笔记】 陈强-机器学习-Python-Ch6 多项逻辑回归 【学习笔记 及 课后题练习】 陈强-机器学习-Python-Ch7 判别分析 【学

Science|癌症中三级淋巴结构的免疫调节作用与治疗潜力|顶刊精析·24-09-08

小罗碎碎念 Science文献精析 今天精析的这一篇综述,于2022-01-07发表于Science,主要讨论了癌症中的三级淋巴结构(Tertiary Lymphoid Structures, TLS)及其在肿瘤免疫反应中的作用。 作者类型作者姓名单位名称(中文)通讯作者介绍第一作者Ton N. Schumacher荷兰癌症研究所通讯作者之一通讯作者Daniela S. Thomm

Science Robotics 首尔国立大学研究团队推出BBEX外骨骼,实现多维力量支持!

重复性举起物体可能会对脊柱和背部肌肉造成损伤,由此引发的腰椎损伤是工业环境等工作场所中一个普遍且令人关注的问题。为了减轻这类伤害,有研究人员已经研发出在举起任务中为工人提供辅助的背部支撑装置。然而,现有的这类装置通常无法在非对称性的举重过程中提供多维度的力量支持。此外,针对整个人体脊柱的设备安全性验证也一直是一个缺失的环节。 据探索前沿科技边界,传递前沿科技成果的X-robot投稿,来自首尔国立

微积分直觉:隐含微分

目录 一、介绍 二、梯子问题 三、结论 四、一个额外的例子 一、介绍         让我们想象一个半径为 5 的圆,以 xy 平面为中心。现在假设我们想在点 (3,4) 处找到一条切线到圆的斜率。         好吧,为了做到这一点,我们必须非常接近圆和切线之间的空间,并沿着该曲线迈出一小步。该步骤的 y 分量为 dy,x 分量为

基于 Python 的 LIF 模型:探索神经元同步与小世界网络

在神经科学中,理解神经元之间的同步行为对解释大脑的功能非常重要。而泄漏积分发放(Leaky Integrate-and-Fire, LIF)模型作为一种经典的神经元模型,广泛应用于模拟神经元的膜电位变化以及脉冲发放。本篇博客将带你通过Python代码,模拟一个基于小世界网络的神经元群体,探索不同重连概率 ppp 对神经元同步性的影响。 LIF 模型的基本原理 LIF 模型基于以下膜电位

第一次写购物车,很是简陋。

# 买家 卖家 商品 金钱#把货物放在货架上li = [{'name': '苹果', 'price': 10},{'name': '香蕉', 'price': 20},{'name': '西瓜', 'price': 30}]shopping_car = {}print('欢迎光临大铁锤水果店~~')money = input('让我看看你的钱:')if money.isdigi

从 MLOps 到 MLOops:揭露机器学习平台的攻击面

这篇文章包含的内容: MLOps 能为您做什么 固有漏洞与实施漏洞 MLOps 平台的固有漏洞 恶意机器学习模型 恶意数据集 Jupyter 沙盒逃逸 MLOps 平台中的实施漏洞 缺乏身份验证 容器逃逸 MLOps 平台不成熟 [攻击者如何将这些漏洞串联在一起?](https://jfrog.com/blog/from-mlops-to-mloops-exposing-the

乌龙?揭露2024国自然被刷真相!

8月24日,国自然正式放榜,并且申请项目批准资助通知、不予资助通知以及专家评审意见也已发送到各位申请人手里。 中了的人兴奋庆祝,没中的人气愤懊恼,一遍又一遍的看着评审意见,甚至会质疑一些评审的意见有些 “不合理”!为什么会这样呢?难道真的是评审不够专业吗? 这种情况并不少见,背后原因往往比较复杂。本文将从国自然基金评审机制、评审意见类别以及复审可能性三个方面进行分析,并为下一次申请提

python实现人工神经网络

要编写一个简单的人工神经网络(ANN)程序,可以从一个基本的前馈神经网络开始,该网络通常包括输入层、一个或多个隐藏层以及输出层。在这个例子中,将使用Python的NumPy库来处理数学运算,并使用Sigmoid函数作为激活函数。将实现一个用于二分类的简单神经网络。 以下是构建和训练该神经网络的步骤和相应的Python代码: 1. 导入必要的库 import numpy as np # Sig

揭露 Sapiens:未来以人为中心的视觉任务

Sapiens | Meta Meta Reality Labs 隆重推出 Sapiens,这是一个尖端的模型系列,专为四种以人为中心的基本视觉任务而设计:二维姿态估计、身体部位分割、深度估计和表面法线预测。 我们的 Sapiens 模型可无缝处理 1K 高分辨率推理,并可通过直接微调在超过 3 亿张野生人类图像的庞大数据库中训练的现有模型,毫不费力地针对特定任务进行定制。 我们模型的