从皮层-皮层下环路推导出的新型高效监督学习算法
神经元与认知
2017-05-02 v1
摘要
尽管大脑环路可能执行有用的感知算法，但鲜有推导出的生物学方法能在与针对特定应用而设计的算法竞争时占据优势。我们提出了对皮层-纹状体环路功能的新分析，该环路占人脑的80%以上，因此可能构成广泛认知功能的基础。我们描述了所推导方法执行的一系列操作，包括一种用于监督分类的非标准方法，其可能构成某些皮层依赖性联想学习形式的基础。该新型监督分类器与广泛使用的分类算法（包括支持向量机(SVM)和k近邻方法）进行了比较，以仅一小部分时间和空间代价达到了相应的分类率。这代表了在充分研究的任务上，生物推导算法优于广泛使用的机器学习方法的一个实例。
引用
@article{arxiv.1705.00063,
title = {Derivation of a novel efficient supervised learning algorithm from cortical-subcortical loops},
author = {Ashok Chandrashekar and Richard Granger},
journal= {arXiv preprint arXiv:1705.00063},
year = {2017}
}