机构名称：
¥ 1.0
标准的人工神经网络（ANN）由于对表面级别的依赖而经常在泛化上挣扎，这可能导致次优性能。从人类大脑中的场景和对象的不同处理途径中汲取灵感，我们探索场景和对象之间的相互作用，并引入旨在模仿ANN中这种认知处理机制的双模式架构。我们的方法具有针对场景和对象方式的单独编码，这些编码融合在一起以促进增强的视觉理解。通过优化对象识别和场景重建目标，我们的体系结构有效地编码了场景和对象信息至关重要的整体表示学习。经验验证表现出显着的概括，终身学习和对抗性鲁棒性的改进。这些发现强调了将生物学见解集成到AI系统中的潜力，以弥合人工智能和生物智能之间的差距。1
双流道神经网络
主要关键词
相关文件推荐
