XiaoMi-AI文件搜索系统
World File Search System预测编码
受大脑启发的预测编码提高了机器挑战性任务的性能
反向传播被认为是训练人工神经网络最有利的算法。然而，由于其学习机制与人脑相矛盾，反向传播因其生物学上的不合理性而受到批评。尽管反向传播在各种机器学习应用中取得了超人的表现，但它在特定任务中的表现往往有限。我们将此类任务统称为机器挑战任务 (MCT)，旨在研究增强 MCT 机器学习的方法。具体来说，我们从一个自然的问题开始：模仿人脑的学习机制能否提高 MCT 的性能？我们假设，复制人脑的学习机制对于机器智能难以完成的任务是有效的。使用预测编码（一种比反向传播更具生物学合理性的学习算法）进行了多个对应于特定类型的 MCT 的实验，其中机器智能有提高性能的空间。本研究将增量学习、长尾和小样本识别视为代表性的 MCT。通过大量实验，我们检验了预测编码的有效性，它对 MCT 的表现远优于反向传播训练的网络。我们证明了基于预测编码的增量学习可以减轻灾难性遗忘的影响。接下来，基于预测编码的学习可以减轻长尾识别中的分类偏差。最后，我们验证了用预测编码训练的网络可以用少量样本正确预测相应的目标。我们通过将预测编码网络的特性与人脑的特性进行比较并讨论预测编码网络在一般机器学习中的潜力来分析实验结果。
大脑有多深？浅脑假说
深度学习和预测编码架构通常假设神经网络中的推理是分层的。然而，深度学习和预测编码架构在很大程度上忽视了神经生物学证据，即所有分层皮质区域，无论高级还是低级，都直接投射到皮质下区域并接收来自皮质下区域的信号。鉴于这些神经解剖学事实，当今以皮质为中心的分层架构在深度学习和预测编码网络中的主导地位是值得高度怀疑的；这种架构很可能缺少大脑使用的必要计算原理。在本文中，我们提出了浅层大脑假说：分层皮质处理与皮质下区域大量贡献的大规模并行过程相结合。这种浅层架构利用了皮质微电路和丘脑皮质环路的计算能力，而这些并不包含在典型的分层深度学习和预测编码网络中。我们认为，浅层大脑结构比深层层次结构有几个关键的优势，并且更完整地描述了哺乳动物的大脑如何实现快速灵活的计算能力。
基于预测编码和主动推断的框架，对社会认知中的代理意识进行了调查：多模拟
当代理人与不同的意图（或意志）在社交上相互作用时，很难避免冲突。3尽管社会代理人可以自主解决此类问题的手段尚未确定4个，但代理的动态特征可能会揭示基本机制。5因此，当前的研究集中在代理意识上，这是代理机构的特定方面，即参考6代理人在行动和结果的意图之间的一致性，尤其是在社会7互动环境中。使用预测性编码和主动推断为理论框架的感知和行动产生8，我们假设证据中的复杂性调节9的复杂性9座位模型的下限应影响代理人的代理意识的强度，并且10应该对社会互动产生显着影响。为了评估这一假设，我们通过Visuo Propriro Propriacopitive 12感觉在机器人和人之间建立了11个计算模型，并使用变异的贝叶斯复发性神经网络进行了模拟，并在伪模拟互动的形式中模拟了模拟模型，该模型使用记录的人体运动数据中的14个相互作用的人体运动数据，在相互作用中使用14个相互作用。该模型的关键特征是，通过更改分配给模型的每个本地16模块的超参数的值，可以对每种模式15的复杂性进行不同的调节。我们首先搜索了一个最佳的超参数设置，该设置具有适当的多模态感觉的模型。结果表明，随着复杂性的较大调节，一种药物倾向于更加自负，而不会适应另一个。27这些搜索表明，由于视觉信息流的不确定性更大，因此，与本体感受19模块相比，视觉模块的复杂性应受到更严格的调节。使用经过最佳培训的20个模型作为默认模型，我们研究了在训练后，整个网络中复杂性21的紧密性如何影响模仿22相互作用的代理意识的强度。相反，随着法规的严格，24个代理倾向于通过调整其意图来遵循另一个代理。我们得出的结论是，25个复杂性调节的紧密性显着影响了代理意识的强度以及社会环境中代理之间相互作用的动态26。
甲状腺癌的影响
超氧化物歧化酶（RS2070424，RS4880，RS2536512）和过氧化氢酶（RS794316，RS1001179）SNP及其与乳腺癌风险的关联：来自医院基于医院的病例对照研究的发现。亚洲PAC J Cancer Prev。 2024 1月1日； 25（1）：175-184。 红细胞蛋白（Hemocuprein）J Biol Chem的酶功能。 1969; 244：6049–6055。 9。 Kumar P，Henikoff S，NG PC。 预测编码非同义变体对蛋白质的影响亚洲PAC J Cancer Prev。2024 1月1日； 25（1）：175-184。红细胞蛋白（Hemocuprein）J Biol Chem的酶功能。1969; 244：6049–6055。 9。 Kumar P，Henikoff S，NG PC。 预测编码非同义变体对蛋白质的影响1969; 244：6049–6055。9。Kumar P，Henikoff S，NG PC。预测编码非同义变体对蛋白质的影响
![arxiv：2501.15721V1 [CS.HC] 2025年1月27日](/simg/g:\will\search\icon\source\5\52e5eb45581b93c8418e45e7724b6abcf5bebb84.webp)
arxiv：2501.15721V1 [CS.HC] 2025年1月27日
摘要。音乐和语言在结构上相似。这种结构相似性通常用生成过程来解释。本文描述了用于机器人技术中语言学习和符号出现的概率生成模型（PGM）的最新发展。机器人技术中的符号出现旨在开发一个可以适应现实世界环境和人类语言交流的机器人，并仅从感觉运动信息中获取语言（即，以一种不受监督的方式）。这被认为是符号出现系统的建设性方法。为此，已经开发了一系列的PGM，包括用于多种音素和单词发现，词汇获取，对象和空间概念形成以及符号系统的出现的PGM。通过扩展模型，符号出现系统包括一个多代理系统，其中出现符号系统的符号系统被揭示为使用PGMS建模。在此模型中，符号出现可以被视为具有共同的预测编码。本文通过结合“情感基于互感信号的预测编码”和“符号出现系统的预测编码”的理论来扩展这一想法，并描述了音乐中意义出现的可能假设。
新奇事物处理的元认知机制
新颖性是生物生存和人工智能体设计的核心。一方面，认知和神经科学积累了大量实验数据，解决了新颖性检测、响应和适应的各种机制。越来越多的证据表明预测编码理论 5 可以将新颖性研究的各种经验发现整合到连贯的框架中。另一方面，人工智能，尤其是基于深度学习的机器学习系统，大多是在封闭世界假设下开发的：它们的性能通常是使用相对于训练数据分布内的数据进行测试的，这导致这些系统在面对开放世界的新颖性时很脆弱。我们提出了一种综合方法来处理生物和人工智能系统中的新颖性，回顾支持神经认知的研究，并勾勒出基于预测编码理论设计新颖性感知人工智能系统的路线图。
预测误差在语言学习和记忆发展中的作用
人类适应行为的综合解释越来越多地将预测作为解释个人目标（通过预测编码）和学习（通过预测误差）的核心组成部分。这些解释认为，人类大脑通过不断更新和整合来自外部和内部环境的自下而上的信息以及由个人目标决定或由先前经验塑造的自上而下的期望来对未来事件进行预测（Clark，2013）。在神经认知学习理论中，预测编码或预测误差被定义为一种基本机制，它将目标的内部表征与感知事件相一致，以指导感知和行动（Friston，2010）。预测的概念也影响了人类语言理解的理论模型，这些模型假设个体在语义、形态句法、词汇和话语层面不断形成对即将到来的语言内容的期望。因此，预测促进语言理解，
主动推理对习惯剂的目标指导计划
[1] K. Friston，J。Kilner和L. Harrison。大脑的自由能原理。生理学杂志，100（1-3）：70–87，2006 [2] K. Friston。预测性编码有未来吗？自然神经科学，21：1019–1021，2018 [3] G. Oliver，P。Lanillos和G. Cheng。主动推理的身体感知和人形机器人的作用。arxiv：1906.03022，2019 [4] A. Ahmadi和J. Tani。用于在线预测和识别的新型预测编码启发的变异RNN模型。神经计算，31（11）：2025–2074，2019 [5] M. Kawato。用于运动控制和轨迹计划的内部模型。神经生物学中的当前意见，9（6）：718–727，1999 [6] M. Jung，T。Matsumoto和J. Tani。在变化预测编码下的目标指导行为：视觉注意和工作记忆的动态组织。IROS 2019，1040–1047
预测编码和主动推理的大脑结构的演变 Giovanni Pezzulo 1、Thomas Parr 2、Karl Friston 2 1. 国家研究
摘要 本文探讨了预测处理的大脑结构的进化。我们认为，预测感知和行动的大脑机制不是我们这些高级生物在进化后期添加的。相反，它们是从简单的预测回路（如自主神经反射和运动反射）逐渐发展而来的，这些预测回路是我们早期进化祖先的遗产，也是解决其自适应调节基本问题的关键。我们用包含不断增加的层次宽度和深度的预测回路的生成模型来正式描述从简单到复杂的大脑。这些可能从一个简单的稳态主题开始，并在进化过程中以四种主要方式进行阐述：包括预测控制多模态扩展为异质回路；其复制形成多个感觉运动回路，从而扩展了动物的行为范围；并逐渐赋予生成模型层次深度（以处理在不同空间尺度上展开的世界的各个方面）和时间深度（以面向未来的方式选择计划）。反过来，这些阐述为解决日益复杂的动物所面临的生物调控问题提供了保障。我们的提议将有关预测处理的神经科学理论与不同动物物种大脑结构的进化和比较数据结合起来。关键词：预测处理；主动推理；大脑进化；大脑结构；模型选择；自然选择。
体内触觉耦合可形成记忆网络
伦敦城市大学数学神经科学与心理学中心和心理学系，伦敦 EC1V 0HB，英国 pinotsis@mit.edu 关键词：记忆印迹；神经集合；工作记忆；协同学；预测编码；自动编码器；有效连接 致谢。这项工作得到了 UKRI ES/T01279X/1、海军办公室的支持