分析生物与人工神经网络：挑战中蕴含协同机遇？
神经元与认知
2018-11-01 v1 人工智能
计算机视觉与模式识别
机器学习
机器学习
摘要
深度神经网络(DNNs)在多个处理阶段中对刺激进行变换，以产生可用于解决复杂任务（如图像中的物体识别）的表征。然而，对其如何实现此点的完整理解仍难以捉摸。生物神经网络的复杂性大幅超过 DNNs，使得理解其所学表征更具挑战性。因此，机器学习与计算神经科学面临一个共同挑战：我们如何分析它们的表征以理解其如何解决复杂任务？我们综述了计算神经科学家开发的数据分析概念与技术如何有助于分析 DNNs 中的表征，反之，近期开发的 DNNs 分析技术如何有助于理解生物神经网络中的表征。我们探索两领域间的协同机遇，例如将 DNNs 用作神经科学的硅基(in-silico)模型系统，以及这种协同如何引致关于生物神经网络运作原理的新假设。
引用
@article{arxiv.1810.13373,
title = {Analyzing biological and artificial neural networks: challenges with opportunities for synergy?},
author = {David G. T. Barrett and Ari S. Morcos and Jakob H. Macke},
journal= {arXiv preprint arXiv:1810.13373},
year = {2018}
}