机构名称：
¥ 2.0
许多认知问题可以分解为一系列由大脑依次解决的子问题。解决子问题时，需要神经元存储相关的中间结果并传播到下一个子问题，直到完成总体目标为止。我们将在这里考虑视觉任务，可以将其分解为元素视觉操作序列。实验证据表明，元素操作的中间结果存储在工作记忆中，以增强视觉皮层的神经活动。然后可以使用增强活动的重点，以使其可供行动采取行动。危险的主要问题是，在增强学习环境中，元素操作及其测序如何在仅经过奖励训练的神经网络中出现。我们在这里提出了一种新的经常性神经网络体系结构，该架构可以学习需要应用连续的Elemental操作的复合视觉任务。具体来说，我们选择了三个任务，这些任务可用于猴子视觉皮层的电生理记录。为了训练网络，我们使用了重新学习，这是一种具有生物学上合理的四因素HEBBIAN学习规则，该规则在时空上都是本地的。我们报告说，网络学习元素操作，例如轮廓组和视觉搜索，并执行操作序列，仅基于视觉刺激的字符和任务的奖励结构。在子例程之间需要交换所需的相关信息是增强活动的重点，并传递到了随后的子例程。完成训练后，与无关的图像项目引起的神经网络单位的活性要强，就像在猴子的视觉皮层中所观察到的那样，猴子求解相同的任务。我们的结果表明，生物学上的学习规则如何在多步视觉任务上训练复发性神经网络。
学习多
主要关键词
相关文件推荐
