读千脑智能笔记05_千脑智能理论

1.       现有的新皮质理论

1.1.         最普遍的看法是新皮质就像一个流程图

1.2.         特征层次理论

1.2.1.           该理论最大的弊端在于认为视觉是个静止的过程,就像拍一张照片一样,但事实并非如此

1.2.1.1.            眼睛每秒会快速转动约三次(扫视)

1.2.2.           会忽略视觉动态的原因

1.2.2.1.            我们有时不移动眼睛就能识别出图像,如在显示屏上短暂闪过的图片,但这只是一个特例,并不普遍
1.2.2.2.            视觉是主动的感觉-运动过程,不是静态过程
1.2.2.3.            对于触觉和听觉,感觉-运动过程的重要作用体现得更为明显
1.2.2.4.            听觉也是一个动态过程
1.2.2.4.1.             不仅听觉内容(如口语会话)是由随时间变化的声音定义的,当我们聆听时,我们也会移动头部主动完善所听到的内容

1.2.3.           第一和第二视觉区(V1和V2)是人类新皮质中最大的区域

1.2.3.1.            在大脑中所占面积比其他可识别完整物体的视觉区要大得多

1.2.4.           当眼睛从一个注视点扫视到另一个注视点时,V1区和V2区的一些神经元的某些行为引起了研究人员的注意

1.2.5.           视网膜的中央比边缘有更多的光感受器

1.2.5.1.            真正的视觉输入就好比由高度变形的、不完整的图块铺成的毯子

1.2.6.           “绑定问题”(binding problem)或“感官融合问题”(sensor-fusion

problem)

1.2.6.1.            来自不同感官的信息分散在新皮质的各处,且伴有各种各样的变形,这些信息是怎样融为我们所体验到的单一且完整的知觉的?

1.2.7.           得到了广泛应用的原因

1.2.7.1.            该理论与大量的观察数据相符,尤其是很久以前收集的数据
1.2.7.2.            该理论存在的问题随着时间的推进慢慢积累,这导致人们很容易将一些新出现的问题当作小问题,从而忽略
1.2.7.3.            这是我们迄今为止所建立起来的最好的理论,既然没有更好的理论可以替代它,那就只能使用它
1.2.7.4.            该理论并非完全错误,只不过我们需要进行大量修正

2.       参考系下的新皮质理论

2.1.         学习物体的模型并不需要皮质区的层次结构

2.2.         你所学习的模型通常是临时的

2.2.1.           新皮质永远不会停止学习模型

2.3.         每根皮质柱都是一个感觉-运动系统,每根皮质柱都会学习成百上千个物体模型,这些模型都是基于参考系的

2.3.1.           单根皮质柱能够学习多少物体是有限制的

2.3.2.           皮质柱不是多余的,也不是彼此的副本

2.3.3.           皮质柱会进行“投票”,即感知是皮质柱通过投票达成的共识

2.3.3.1.            只有特定的某些细胞进行投票才有意义
2.3.3.2.            皮质柱中的大多数细胞无法表征可以投票的那类信息

2.3.4.           皮质柱中的大多数连接在各层之间上下移动,主要停留在皮质柱的边界内

2.3.5.           皮质柱通常具有不确定性,在这种情况下,它的神经元会同时发送多种可能性

2.3.5.1.            最常见的猜测会胜过最不常见的猜测,直到整个网络确定一个答案

2.4.         大脑中的知识是分布式存储的

2.4.1.           所有知识都不会只存储在一个地方,如存储在一个细胞或皮质柱中,也没有像全息图那样在任一地方存储所有东西

2.5.         关于任何特定物体的知识都分布在成千上万个互补的模型中

2.6.         当知识和行动广泛分布在许多但不是太多的元素中时,复杂系统的工作效果就能达到最好

2.7.         神经元从不依赖单个突触,相反,它可能需要30个突触来识别一个模式

2.7.1.           即使其中10个突触失效,神经元仍然能够识别这种模式

2.8.         大多数时候,我们完全不会意识到我们的眼睛在转动

2.8.1.           触觉也会产生类似的感知稳定性

2.9.         人的感官部分受阻是很常见的

2.10.     大脑可以关注视觉场景中较小或较大的部分

2.10.1.      涉及大脑中被称为丘脑的部分,丘脑与新皮质的所有区域紧密相连

2.10.2.      每当你注意一个不同的物体时,你的大脑会确定该物体相对于之前关注的物体的位置。这是一个自发的过程,是注意力集中过程的一部分

2.11.     芒卡斯尔1998年出版的《感知神经科学:大脑皮质》(Perceptual Neuroscience:The Cerebra Cortex)

3.       千脑智能理论中的层次结构

3.1.         千脑智能理论认为,新皮质区的层次结构并不是绝对必要的

3.2.         新皮质的解剖结构表明,两种类型的连接都存在

3.3.         在层次之间传递的是完整的物体,而不是特征

3.4.         千脑智能理论本质上是一种感觉-运动理论

3.5.         灵长目动物的V1区和V2区相对较大,而小鼠的V1区特别大,这在千脑智能理论看来是有意义的,因为每一根皮质柱都可以识别完整的物体

3.6.         千脑智能理论认为,我们的大部分视觉行为都发生在V1区和V2区

3.6.1.           主要和次要触觉相关区域也比较大

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/373454.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

LoRA:语言模型微调的计算资源优化策略

编者按:随着数据量和计算能力的增加,大模型的参数量也在不断增加,同时进行大模型微调的成本也变得越来越高。全参数微调需要大量的计算资源和时间,且在进行切换下游任务时代价高昂。 本文作者介绍了一种新方法 LoRA,可…

docker程序镜像的制作

目录 一、每种资源的预安装(基础) 安装 nginx安装 redis 二、dockerfile文件制作(基础) 打包 redis 镜像 创建镜像制作空间制作dockerfile 打包 nginx 镜像 三、创建组合镜像(方式一) 生成centos容器并…

3.0 Zookeeper linux 服务端集群搭建步骤

本章节将示范三台 zookeeper 服务端集群搭建步骤。 所需准备工作,创建三台虚拟机环境并安装好 java 开发工具包 JDK,可以使用 VM 或者 vagrantvirtualbox 搭建 centos/ubuntu 环境,本案例基于宿主机 windows10 系统同时使用 vagrantvirtualb…

时序预测 | MATLAB实现基于CNN-GRU-AdaBoost卷积门控循环单元结合AdaBoost时间序列预测

时序预测 | MATLAB实现基于CNN-GRU-AdaBoost卷积门控循环单元结合AdaBoost时间序列预测 目录 时序预测 | MATLAB实现基于CNN-GRU-AdaBoost卷积门控循环单元结合AdaBoost时间序列预测预测效果基本介绍模型描述程序设计参考资料 预测效果 基本介绍 1.MATLAB实现基于CNN-GRU-AdaBo…

Docker进阶篇-CIG重量级监控系统

一、简介 通过docker stats命令可以很方便的查看当前宿主机上所有容器的CPU、内存、网络流量等数 据,可以满足一些小型应用。 但是docker stats统计结果只能是当前宿主机的全部容器,数据资料是实时的,没有地方存储、 没有健康指标过线预警…

二叉树的详解

二叉树 【本节目标】 掌握树的基本概念掌握二叉树概念及特性掌握二叉树的基本操作完成二叉树相关的面试题练习 树型结构(了解) 概念 树是一种非线性的数据结构,它是由n(n>0)个有限结点组成一个具有层次关系的集合。…

Redis核心技术与实战【学习笔记】 - 24.Redis 数据分片方案选择:Codis 和 Redis Cluster

简述 Redis 的切片集群使用多个实例保存数据,能很好的应对大数据量的场景。在《4.Redis 切片集群》中,介绍了 Redis 官方提供的切片集群方法 Redis Cluster。本章,再来学习下,在 Redis Cluster 方案正式发布前,业界广…

CodeMeter强化了ETM WinCC 开放架构平台的许可与安全保护

在面对日益复杂的网络安全威胁时,ETM professional control采取了前瞻性的措施,选择了业界领先的威步CodeMeter技术,以保护其标志性的WinCC开放架构平台。这一选择不仅体现了ETM对安全的高度重视,也标志着其在保障关键基础设施运营…

Jmeter 01 -概述线程组

1、Jmeter:概述 1.1 是什么? Jmeter是Apache公司使用Java 开发的一款测试工具 1.2 为什么? 高效、功能强大 模拟一些高并发或多次循环等特殊场景 1.3 怎么用? 下载安装 1、下载jmeter,解压缩2、安装Java环境(jmet…

基于OpenCV灰度图像转GCode的螺旋扫描实现

基于OpenCV灰度图像转GCode的螺旋扫描实现 引言激光雕刻简介OpenCV简介实现步骤 1.导入必要的库2. 读取灰度图像3. 图像预处理4. 生成GCode5. 保存生成的GCode6. 灰度图像螺旋扫描代码示例 总结 系列文章 ⭐深入理解G0和G1指令:C中的实现与激光雕刻应用⭐基于二值…

5-3、S曲线生成器【51单片机+L298N步进电机系列教程】

↑↑↑点击上方【目录】,查看本系列全部文章 摘要:本节介绍步进电机S曲线生成器的计算以及使用 一.计算原理 根据上一节内容,已经计算了一条任意S曲线的函数。在步进电机S曲线加减速的控制中,需要的S曲线如图1所示,横…

React 实现表单组件

表单是html的基础元素,接下来我会用React实现一个表单组件。支持包括输入状态管理,表单验证,错误信息展示,表单提交,动态表单元素等功能。 数据状态 表单元素的输入状态管理,可以基于react state 实现。 …

09_树莓派_树莓派外设板_GPIO_按键的中断与消抖

目录 1.树莓派外设集成板总体介绍 2.第一部分 按键矩阵 GPIO_按键与中断 3.实现效果 1.树莓派外设集成板总体介绍 1)前言:这是一块为了验证树莓派【兼容树莓派多个型号】的40pins的外设接口的外接板,告别复杂的面包板外设搭建。【欢迎各位…

【Iceberg学习四】Evolution和Maintenance在Iceberg的实现

Evolution Iceberg 支持就底表演化。您可以像 SQL 一样演化表结构——即使是嵌套结构——或者当数据量变化时改变分区布局。Iceberg 不需要像重写表数据或迁移到新表这样耗费资源的操作。 例如,Hive 表的分区布局无法更改,因此从每日分区布局变更到每小…

Node.js+Express+Mysql服务添加环境变量

1、使用dotenv插件 1)安装插件:npm install dotenv-cli --save-dev 2)在项目根目录下添加对应的 .env 配置文件; // .env配置文件内容 MODEdevelopment, BASE_URLhttp://127.0.0.1:80813) 在启动命令中设置对应的加载文件&#…

RabbitMQ-1.介绍与安装

介绍与安装 1.RabbitMQ1.0.技术选型1.1.安装1.2.收发消息1.2.1.交换机1.2.2.队列1.2.3.绑定关系1.2.4.发送消息 1.2.数据隔离1.2.1.用户管理1.2.3.virtual host 1.RabbitMQ 1.0.技术选型 消息Broker,目前常见的实现方案就是消息队列(MessageQueue&…

新零售的升维体验,摸索华为云GaussDB如何实现数据赋能

新零售商业模式 商业模式通常是由客户价值、企业资源和能力、盈利方式三个方面构成。其最主要的用途是为实现客户价值最大化。 商业模式通过把能使企业运行的内外各要素整合起来,从而形成一个完整的、高效率的、具有独特核心竞争力的运行系统,并通过最…

springboot与Elasticsearch版本兼容对比

首先 大家在下载 Elasticsearch 时 最好先弄清楚版本 因为 如果 Spring Boot 版本 不兼容 Elasticsearch 那就是到头一场空了 Elasticsearch 版本 6.x 可以兼容 Spring Boot 2.x Elasticsearch 版本 7.x 可以兼容 Spring Boot 2.x 3.x 4x Elasticsearch 版本 7.x 以及 8.x 可以…

Golang-Map有序输出——使用orderedmap库实现

前言 工作中遇到一个问题:需要导出一个MySQL表格,表格内容由sql查询得来。但现在发现,所导出的表格中,各列的顺序不确定。多次导出, 每一次的序列顺序也是不定的。 因此确定是后端,Map使用相关导致的问题。…

分布式文件存储系统minio

参考Linux搭建免费开源对象存储 wget https://dl.minio.io/server/minio/release/linux-amd64/minio yum install -y wget yum install -y wget wget https://dl.minio.io/server/minio/release/linux-amd64/minio chmod x minio sudo mv minio /usr/local/bin/ minio --vers…