神经元启发的智能学习方法

AIGC动态欢迎阅读

原标题：神经元启发的智能学习方法
关键字：神经元,树突,神经网络,报告,模型
文章来源：人工智能学家
内容字数：8942字

内容摘要：

来源：脑机接口社区
作者：蔡吴缺、郭大庆
排版：李岩
从1906年左右至今，科学家一直在追寻神经元的秘密。从最早期的银氨染色法，到最新的全脑显微光学切片断层成像技术，越来越清晰地展示神经元的形态与结构。神经元大致可以分为树突、胞体和轴突三个部分。不同的学科方向会有不同的建模方式。计算神经科学的建模多以多室模型为主，这种建模方式精细、准确，在非常复杂的计算保障下，能够非常细致的模拟神经元的各类活动。而人工智能中的建模则以M-P神经元（McCulloch-Pitts neuron）、泄露积分发放神经元（Leaky integrated-and-fire neuron, LIF neuron）等高效、简洁的神经元为主，能够方便计算机快速、准确地完成智能计算。但是人工智能模型由于太过简单，并不能够将神经元的功能与结构充分地表达，因此借鉴生物神经元的各种机制来提升人工神经元性能是当前类脑智能的主要研究方向之一。本文总结了受神经元三个层次所启发的类脑智能方法，在不同的神经元层面对人工神经网络模型的编码、计算和表征能力进行增强，以提高人工智能系统的学习、推理和决策能力。
首先，在树突层面，神经元的树

原文链接：神经元启发的智能学习方法