一种用于持续学习的生物可信视听整合模型
神经与进化计算
2021-07-21 v2 人工智能
神经元与认知
摘要
灾难性遗忘问题已有 30 余年历史，至今尚未完全解决。由于人脑具有天然的终身持续学习能力，向大脑学习或可为该问题提供解决方案。本文提出一种新颖的生物可信视听整合模型（AVIM），其基于如下假设：学习过程中内侧颞叶对听觉与视觉感知信息的整合对于形成概念并实现持续学习至关重要。具体而言，我们使用多房室 Hodgkin-Huxley 神经元构建模型，并采用基于钙的突触标记与捕获作为模型的学习规则。此外，我们定义了一种新的持续学习范式以模拟人脑中可能的持续学习过程，并在该新范式下测试我们的模型。实验结果表明，与其他先进方法（如 OWM、iCaRL 和 GEM）相比，所提 AVIM 取得了最先进的持续学习性能，且能在学习中生成物体的稳定表征。这些结果支持了我们的假设，即概念形成对连续终身学习至关重要，并表明所提 AVIM 是一种可能的概念形成机制。
引用
@article{arxiv.2007.08855,
title = {A Biologically Plausible Audio-Visual Integration Model for Continual Learning},
author = {Wenjie Chen and Fengtong Du and Ye Wang and Lihong Cao},
journal= {arXiv preprint arXiv:2007.08855},
year = {2021}
}
备注
Accepted by 2021 International Joint Conference on Neural Networks