基于类脑脉冲神经网络的符号表征与推理
文献类型:学位论文
作者 | 方宏坚 |
答辩日期 | 2022-08-17 |
文献子类 | 博士 |
授予单位 | 中国科学院自动化研究所 |
授予地点 | 中国科学院自动化研究所 |
导师 | 曾毅 |
关键词 | 类脑人工智能 脉冲神经网络 符号表征 突触可塑性 因果推理 |
学位名称 | 工学博士 |
学位专业 | 模式识别与智能系统 |
英文摘要 | 本文基于当前神经科学领域关于符号表征与推理的研究成果,构建了多环 路协同的类脑脉冲神经网络模型,系统性地针对脉冲神经网络如何完成符号表 征以及推理任务展开讨论与研究。从模型功能和结构上看,本文从微观尺度,介 观尺度和宏观尺度分别对大脑的连接结构和功能进行了借鉴。在微观尺度上,本 文采用了类生物神经元的计算模型,引入脉冲时序依赖可塑性机制 (STDP),以 及奖励信号调制的脉冲时序依赖可塑性机制 (R-STDP) 来建立网络中神经元间的 微观突触结构。在介观尺度上,本文受神经元群体编码机制启发,以神经元组完 成对于概念符号的表征,并通过学习与记忆使得不同神经元组间形成稳定的突 触连接,构建了多环路协同类脑脉冲神经网络实现符号序列表征与重建任务。宏 观功能层面,本文详细阐述了基于数据驱动的深度神经网络缺乏因果推理能力, 与人类的智能存在本质上的差异,并在宏观功能层面探索验证了类脑脉冲神经 网络完成因果推理的可行性。 |
语种 | 中文 |
页码 | 146 |
源URL | [http://ir.ia.ac.cn/handle/173211/49912] |
专题 | 毕业生_博士学位论文 |
通讯作者 | 方宏坚 |
推荐引用方式 GB/T 7714 | 方宏坚. 基于类脑脉冲神经网络的符号表征与推理[D]. 中国科学院自动化研究所. 中国科学院自动化研究所. 2022. |
入库方式: OAI收割
来源:自动化研究所
其他版本
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。