"新神经 "是MetaTrader 5平台的一个开源神经网络引擎项目。 - 页 83

新评论
 
而且还增加了神经元出生和死亡的能力。就像在两耳之间。
 
ivandurak:
同时增加神经元出生和死亡的能力。就像在两耳之间。
不像是在耳朵之间。听觉间脑的模拟会有恐惧和贪婪，这一点我们可以自己做。:)
 
joo:
比如耳朵之间不要。温州大脑的类似物将是恐惧和贪婪，我们可以自己做。:)
这取决于教什么，显然人类有固有的不可改变的神经元和联系，如自我保护的本能。)
 
对于人工神经网络来说，有一个CPU或GPU来调整神经元的权重，这一点是很清楚的。但在生物神经元中，谁或什么来执行神经元调谐的功能。我找不到，生物学家也是沉默的。试过一只猫，它只是看起来像........。
 
ivandurak:
对于人工神经网络，有一个CPU或GPU来调整神经元的权重，这一点是很明显的。但在生物神经元中，谁或什么来执行调整神经元的功能。我找不到，生物学家也是沉默的。我折磨了一只猫，它只是看着.........
神经元的权重是由健身函数--生命来调整的。
 
ivandurak:
对于人工神经网络，有一个CPU或GPU来调整神经元的权重，这一点是很明显的。但在生物神经元中，谁或什么来执行调整神经元的功能。我找不到，生物学家也是沉默的。我折磨猫，它只看了一眼.........
看看塞巴斯蒂安-塞恩、亨利-马克拉姆和夸本-波恩 的作品。他们是当代该领域的一些领先科学家，他们的成果非常有趣。
 
joo:
神经元的权重是由健身函数--生命来调整的。

不，权重是由学习算法调整的，有很多算法，哪个算法是用在头部的，不确定。

但假设有些部分是直接传播的，有些则是反过来的。

 
ivandurak:
对于人工神经网络来说，有一个CPU或GPU来调整神经元的权重，这一点是很清楚的。至于生物神经网络，神经元调谐的功能是谁或什么？我找不到，生物学家也是沉默的。试过一只猫，它只是看起来像........。

我将尝试按顺序解释。

  1. 生物神经元以电脉冲（尖峰）的形式发送信息。
  2. 根据一些科学家的观点，信息被编码在不同神经元输入的脉冲的相对时间上（一种二进制代码类型）。根据其他科学家的说法，信息被编码在一些尖峰的每一时间间隔的脉冲数中。这个脉冲数可以表示为一个模拟信号。你在这里和书中读到的所有经典的神经网络都是基于这种模拟编码的原理。时间编码的理论是相当新的（从90年代中期开始），并有望解开我们智力的 "秘密" :)
  3. 电脉冲只在神经元体内以外部和内部环境之间的电位差的形式传播（神经元的外壳起着电容器的作用）。
  4. 当电冲动到达神经元的轴突（尾部）时，会引起一种特殊化学物质（神经递质、介质）的释放，这种物质通过间隙接触（尖峰）迁移到另一个神经元的树突，称为突触。树突上的受体吸收神经递质，如果超过激活阈值，就会激发接收神经元的电冲动。以此类推。
  5. 神经元之间的突触（连接）的权重取决于释放神经元的轴突中的神经递质的数量和接收神经元的树突中的受体数量。如果接收神经元被激活并产生一个脉冲，这个脉冲既传播到这个神经元的轴突（尾部），也传播到它的树突，在那里发生化学反应，调节受体和发射器的数量--即重量。由于受体和发射器的集群结构，权重范围可以从0（无接触）到64。根据另一种理论，连接权重取决于两个神经元之间的接触（尖峰）数量。神经元的树突形成一个分支树。另一个神经元的轴突可能在几个地方与这棵树接触。每个接触是二进制的（要么是，要么不是）。触点的数量决定了重量。
  6. 无论哪种理论，所有科学家都同意，权重的变化是尖峰时间依赖性可塑性（STDP）的结果。根据这一机制，如果接收神经元在该连接的输入脉冲后产生一个脉冲，则该连接的权重就会增加。而如果输出脉冲发生在输入脉冲之前，它就会减少。S TDP是在1996年通过实验测量出来的，由此产生了时间编码的理论。
  7. 也有全球反馈。如果我们对我们行动的某些结果感到满意，我们的大脑就会发出多巴胺，这就加强了其激活导致该结果的所有神经元之间的联系。顺便说一句，毒品取代了大脑产生的多巴胺，减少了大脑中的多巴胺分泌，使吸毒者对毒品产生依赖。
  8. 神经元还可以在以前没有的地方形成新的接触（所谓的结构可塑性）。在互联网上的某个地方，我看到一段视频，科学家在试管中培育两个神经元，用脉冲激活它们，并观察一个神经元的轴突开始向另一个神经元的树突生长，在电场最大的地方进行接触。

https://www.youtube.com/watch?v=xMCQPHb3iSw&feature=related

https://www.youtube.com/watch?v=_JgQtjhfnPE&feature=related

从这个进入大脑的简短课程中你可以看到，经典的神经网络与生物网络相差甚远。

 
gpwr:
既然你来访问我们，对我上面介绍的模型有什么意见吗？
 
Urain。
既然你已经访问了我们，对我上面介绍的模型有什么意见吗？
我还没有真正深入研究过这个模型。除了我已经说过的那些，没有其他评论。
1...767778798081828384858687888990...100
新评论