XiaoMi-AI文件搜索系统
World File Search SystemBionns
脑血清素能纤维建议异常扩散 -
随机辍学已成为人工神经网络（ANN）中的标准正则化技术，但是目前尚不清楚生物神经网络（Bionns）中是否存在类似机制。如果这样做，它的结构可能会通过数亿年的进化来优化，这可能表明大规模ANN中的新型辍学策略。我们建议大脑血清素能纤维符合一些预期的标准，因为它们的存在，随机结构和在整个人的寿命中成长的能力。由于血清素能纤维的轨迹可以建模为异常扩散过程的路径，因此，在这项概念验证研究中，我们研究了基于超级产生分数布朗尼运动（FBM）的辍学算法。这项研究有助于ANN中受生物启发的正则化。
大脑血清素纤维提示异常扩散......
随机 dropout 已成为人工神经网络 (ANN) 中的标准正则化技术，但目前尚不清楚生物神经网络 (BioNN) 中是否存在类似的机制。如果存在，其结构很可能经过数亿年的进化而得到优化，这可能表明大规模 ANN 中存在新的 dropout 策略。我们认为大脑血清素纤维 (轴突) 满足一些预期标准，因为它们无处不在、结构随机，并且能够在个体的整个生命周期中生长。由于血清素纤维的轨迹可以建模为异常扩散过程的路径，因此在这项概念验证研究中，我们研究了一种基于超扩散分数布朗运动 (FBM) 的 dropout 算法。结果表明，血清素纤维可能在脑组织中实现类似 dropout 的机制，从而支持神经可塑性。他们还提出，血清素纤维的结构和动力学的数学理论有助于设计 ANN 中的 dropout 算法。