深度连接组网络：受神经元网络启发的神经网络架构
机器学习
2019-12-20 v1 神经与进化计算
机器学习
摘要
连接组学研究人员和网络科学家已深入研究神经元间网络拓扑与认知之间的相互作用，这对于理解生物神经网络的非凡效能至关重要。令人好奇的是，复兴神经网络的深度学习革命并未过多关注拓扑方面。深度神经网络(DNNs)的架构在拓扑意义上并不类似于其生物对应物。我们通过展示深度连接组网络(DCNs)的初步结果来弥补这一差距，DCNs 是拓扑受真实世界神经元网络启发的 DNNs。我们展示了受其架构启发自秀丽隐杆线虫(C. Elegans)和小鼠视觉皮层的生物神经元网络的 DCNs 所获得的高分类准确率。
引用
@article{arxiv.1912.08986,
title = {Deep Connectomics Networks: Neural Network Architectures Inspired by Neuronal Networks},
author = {Nicholas Roberts and Dian Ang Yap and Vinay Uday Prabhu},
journal= {arXiv preprint arXiv:1912.08986},
year = {2019}
}
备注
Presented at the Real Neurons & Hidden Units Workshop, 33rd Conference on Neural Information ProcessingSystems (NeurIPS 2019), Vancouver, Canada