AICON

对非编码RNA分类的深度学习方法的比较和基准

我们检验了以下假设：从机器人技术（Active Interonnect（AICON））中的算法MIC信息处理模式可以用作实现人类视力的有用表示。我们为两种视觉幻觉创建了基于AICON的计算模型：形状粘合颜色的后代和通过运动沉默。模型再现了人类中看到的效果，并产生了我们通过人类心理物理实验验证的新颖预测。模型预测与实验结果之间的不一致是通过迭代模型调整解决的。对于形状粘合颜色的后效应，该模型预测和例外证实了对概述形状操作的后效应较弱，并且在感知后的后效应中的个体差异。为了通过运动，该模型预测和实验验证了意外趋势以及个体差异。我们的发现表明了AICON捕获人类视觉信息处理相关方面的能力，包括个人的变异性。它突出了合成学科和生物学科之间新型合作的潜力。关键字：计算建模，vi-sual智能，跨学科，概念，视觉错觉