从生物树突汲取灵感以增强人工神经网络
神经元与认知
2021-06-15 v1
摘要
本文强调了生物神经元及其树突树的特定特征，采用这些特征有助于推进用于各类机器学习应用的人工神经网络。进展可表现为计算能力的提升和/或功耗的降低。所提出的特征包括树突解剖结构、树突非线性以及区室化可塑性规则，它们共同塑造了生物网络中的学习与信息处理。我们讨论了这些特征在生物神经元中提供的计算益处，并建议在人工神经元中采用它们，以在机器学习中利用相应的益处。
引用
@article{arxiv.2106.07490,
title = {Drawing Inspiration from Biological Dendrites to Empower Artificial Neural Networks},
author = {Spyridon Chavlis and Panayiota Poirazi},
journal= {arXiv preprint arXiv:2106.07490},
year = {2021}
}
备注
12 pages, 1 figure, opinion article