cérebro representa e raciocina probabilisticamente sobre estímulos complexos e ações motoras usando um código neural ruidoso baseado em espinhos. Um alicerce fundamental para tais cálculos neurais, bem como a base para a aprendizagem supervisionada e não supervisionada, é a capacidade de estimar a surpresa ou a probabilidade de padrões de atividade neural de alta dimensão.
Apesar do progresso na modelagem estatística de respostas neurais e aprendizagem profunda, as abordagens atuais não escalam para grandes populações neurais ou não podem ser implementadas usando mecanismos biologicamente realistas.
As mudanças estruturais na conectividade aleatória, consistentes com os processos de recapeamento e poda, melhoram ainda mais a eficiência e a escassez das representações neurais resultantes.
cérebro representa e raciocina probabilisticamente sobre estímulos complexos e ações motoras usando um código neural ruidoso baseado em espinhos. Um alicerce fundamental para tais cálculos neurais, bem como a base para a aprendizagem supervisionada e não supervisionada, é a capacidade de estimar a surpresa ou a probabilidade de padrões de atividade neural de alta dimensão.
Apesar do progresso na modelagem estatística de respostas neurais e aprendizagem profunda, as abordagens atuais não escalam para grandes populações neurais ou não podem ser implementadas usando mecanismos biologicamente realistas.
As mudanças estruturais na conectividade aleatória, consistentes com os processos de recapeamento e poda, melhoram ainda mais a eficiência e a escassez das representações neurais resultantes.
Para escrever sua resposta aqui, entre ou crie uma conta
Compartilhar