神經網絡可以復制受損的大腦以使神經病患者受益
索爾克研究所（Salk Institute）的研究人員已經使用神經網絡體系結構，以算法模擬了神經心理障礙患者對前額葉皮層的損害。該團隊認為其發現可以為改善AI的發展以及個性化的臨床療法提供參考。
資深研究作者Terrence Sejnowski博士及其同事在《美國國家科學院院刊》上發表的研究報告中描述了他們的工作。
科學家專注于讓他們的AI模擬“門控”的皮質機制，該機制控制神經元簇之間的信息流，以將現有知識應用于新情況。
他們注意到先前建模前額葉皮層損傷的嘗試產生了令人失望的結果，他們通過將不同的信息包（即人工神經元）“委托”給人工神經網絡的不同子區域來解釋其系統鏡像的生物門控。
這組作者說，他們的系統是第一個在整個網絡中而不是在離散的子區域中重新創建門控的系統。
在索爾克新聞部門發表的一篇文章中，主要作者本津達（Ben Tsuda）攻讀醫學博士學位和博士學位，他說，這項工作使人們對大腦的組織方式有了細致的了解。Tsuda說，這一進展“既對機器學習有影響，也使他們對影響前額葉皮層的某些疾病有了更好的了解。”
Salk教授Kay Tye博士補充說，即使是最復雜的人工神經網絡也無法匹敵人類的大腦。她解釋說，一個關鍵的原因是大腦可以用不同的規則來概括各種任務的知識。
Tye說：“在這項新工作中，我們展示了信息門控如何為我們的新的和改進的前額葉皮層模型提供動力。”
責任編輯：lq
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規問題，請聯系本站處理。
舉報投訴
-
神經網絡
+關注
關注
42文章
4775瀏覽量
100912 -
算法
+關注
關注
23文章
4622瀏覽量
93071 -
AI
+關注
關注
87文章
31158瀏覽量
269503
發布評論請先 登錄
相關推薦
人工神經網絡的原理和多種神經網絡架構方法
所擬合的數學模型的形式受到大腦中神經元的連接和行為的啟發，最初是為了研究大腦功能而設計的。然而，數據科學中常用的神經網絡作為大腦模型已經過時
卷積神經網絡與傳統神經網絡的比較
在深度學習領域，神經網絡模型被廣泛應用于各種任務，如圖像識別、自然語言處理和游戲智能等。其中，卷積神經網絡（CNNs）和傳統神經網絡是兩種常見的模型。 1. 結構差異 1.1 傳統神經網絡
BP神經網絡和卷積神經網絡的關系
BP神經網絡（Backpropagation Neural Network）和卷積神經網絡（Convolutional Neural Network，簡稱CNN）是兩種在人工智能和機器學習領域
BP神經網絡和人工神經網絡的區別
BP神經網絡和人工神經網絡（Artificial Neural Networks，簡稱ANNs）之間的關系與區別，是神經網絡領域中一個基礎且重要的話題。本文將從定義、結構、算法、應用及未來發展等多個方面，詳細闡述BP
rnn是遞歸神經網絡還是循環神經網絡
RNN（Recurrent Neural Network）是循環神經網絡，而非遞歸神經網絡。循環神經網絡是一種具有時間序列特性的神經網絡，能夠處理序列數據，具有記憶功能。以下是關于循環
遞歸神經網絡是循環神經網絡嗎
遞歸神經網絡（Recurrent Neural Network，簡稱RNN）和循環神經網絡（Recurrent Neural Network，簡稱RNN）實際上是同一個概念，只是不同的翻譯方式
循環神經網絡和卷積神經網絡的區別
結構。它們在處理不同類型的數據和解決不同問題時具有各自的優勢和特點。本文將從多個方面比較循環神經網絡和卷積神經網絡的區別。 基本概念 循環神經網絡是一種具有循環連接的神經網絡結構，它
深度神經網絡與基本神經網絡的區別
在探討深度神經網絡（Deep Neural Networks, DNNs）與基本神經網絡（通常指傳統神經網絡或前向神經網絡）的區別時，我們需要從多個維度進行深入分析。這些維度包括
反向傳播神經網絡和bp神經網絡的區別
反向傳播神經網絡（Backpropagation Neural Network，簡稱BP神經網絡）是一種多層前饋神經網絡，它通過反向傳播算法來調整網絡中的權重和偏置，以達到最小化誤差的
如何使用神經網絡進行建模和預測
神經網絡是一種強大的機器學習技術，可以用于建模和預測變量之間的關系。 神經網絡的基本概念 神經網絡是一種受人腦啟發的計算模型，由大量的節點（神經
bp神經網絡是深度神經網絡嗎
Network）有相似之處，但它們之間還是存在一些關鍵的區別。 一、引言 神經網絡是一種模擬人腦神經元結構的計算模型，它由大量的神經元（或稱為節點）組成，這些神經元通過權重連接在一起
bp神經網絡和卷積神經網絡區別是什么
BP神經網絡（Backpropagation Neural Network）和卷積神經網絡（Convolutional Neural Network，簡稱CNN）是兩種不同類型的人工神經網絡，它們在
卷積神經網絡的原理是什么
基本概念、結構、訓練過程以及應用場景。 卷積神經網絡的基本概念 1.1 神經網絡 神經網絡是一種受人腦神經元結構啟發的數學模型，由大量的節點（神經
卷積神經網絡和bp神經網絡的區別
卷積神經網絡（Convolutional Neural Networks，簡稱CNN）和BP神經網絡（Backpropagation Neural Networks，簡稱BPNN）是兩種
神經網絡在數學建模中的應用
數學建模是一種利用數學方法和工具來描述和分析現實世界問題的過程。神經網絡是一種模擬人腦神經元結構和功能的計算模型，可以用于解決各種復雜問題。在數學建模中，神經網絡
工商網監
評論