上下文调制对海马动力学与深度卷积网络的影响
机器学习
2017-11-28 v1 机器学习
神经元与认知
摘要
生物神经回路的复杂架构（如并行处理通路）在诸多认知研究中已被行为学证据所表明。然而，回路复杂性对神经计算的理论影响仅在有限情形下被探讨。本文引入一种机制， whereby 从皮层到海马 CA3 区域的直接与间接通路可平衡记忆形成的上下文门控与网络活动的驱动。我们在深度人工神经网络中通过引入上下文敏感偏置来实现这一概念，其动机在于提升规模受限网络的性能。利用 CIFAR-100 与 Fashion-MNIST 数据集中超类信息的直接知识，我们展示了在不增加网络规模的情况下性能的显著提升。
引用
@article{arxiv.1711.09876,
title = {Context-modulation of hippocampal dynamics and deep convolutional networks},
author = {James B. Aimone and William M. Severa},
journal= {arXiv preprint arXiv:1711.09876},
year = {2017}
}
备注
4 pages; short paper accepted to 2017 NIPS Cognitively Informed AI Workshop