受 C. elegans 反向嗅觉学习回路启发的人工神经网络用于图像分类
神经与进化计算
2024-09-13 v1 人工智能
计算机视觉与模式识别
神经元与认知
摘要
本研究引入一种人工神经网络（ANN）用于图像分类任务，灵感来自蠕虫 Caenorhabditis elegans（C. elegans）的反向嗅觉学习回路。尽管 ANN 在各种任务中表现卓越，但面临参数过多、训练成本高和泛化能力有限等挑战。C. elegans 具有仅由 302 个神经元构成的简单神经系统，作为神经生物学研究的范例，能够表现出包括学习在内的复杂行为。本研究通过行为实验和高通量基因测序识别与 C. elegans 反向嗅觉学习相关的关键神经回路，将其转化为图像分类 ANN 架构。此外，还构建了两个具有不同架构的图像分类 ANN 用于比较性能分析，以突出生物启发设计的优势。结果表明，受 C. elegans 反向嗅觉学习回路启发的 ANN 在图像分类任务中实现更高的准确率、更好的一致性和更快的收敛速度，尤其在处理更复杂的分类挑战时表现更为突出。本研究不仅展示了生物启发设计在增强 ANN 能力方面的潜力，也为未来的 ANN 设计提供了一种新颖的视角和方法。
关键词
引用
@article{arxiv.2409.07466,
title = {An Artificial Neural Network for Image Classification Inspired by Aversive Olfactory Learning Circuits in Caenorhabditis Elegans},
author = {Xuebin Wang and Chunxiuzi Liu and Meng Zhao and Ke Zhang and Zengru Di and He Liu},
journal= {arXiv preprint arXiv:2409.07466},
year = {2024}
}