受生物学启发的显著性影响人工神经网络（SANN）
神经与进化计算
2020-12-01 v5 神经元与认知
摘要
本文提出一种新颖的显著性影响人工神经网络（SANN），其建模了多巴胺和去甲肾上腺素等神经调质通过新皮层区域弥散分布从而影响人脑神经动力学的方式，使得显著性信号能够立即调节认知，并通过一次性强化整个激活模式实现一次性学习。我们提出一个模型，能够在训练用于物体分类的神经网络中进行一次性显著性标记，并在分类（推理）过程中返回显著性响应。我们通过显著性对每个节点激活函数以及网络节点间连接权重强度的影响，探究显著性对学习的作用。我们证明，显著性标记能够提升单个图像及其所属图像类别的分类置信度。我们还表明，产生显著性响应的计算开销极小。本研究作为概念验证，可能是在深度学习和机器人中引入显著性标记的第一步。
引用
@article{arxiv.1908.03532,
title = {Biologically-inspired Salience Affected Artificial Neural Network (SANN)},
author = {Leendert A Remmelzwaal and George F R Ellis and Jonathan Tapson and Amit K Mishra},
journal= {arXiv preprint arXiv:1908.03532},
year = {2020}
}