基于生物启发层级网络的手写数字识别
机器学习
2012-11-07 v1 计算机视觉与模式识别
神经元与认知
摘要
人脑在处理信息时表现出学习和预测能力，但其潜在的神经元机制仍然未知。最近，许多研究证明神经网络能够对感官输入进行泛化和关联。在本文中，遵循一系列神经生理学证据，我们提出了一个具有强生物合理性的学习框架，该框架模拟了皮层电路的主要功能。我们开发了归纳概念网络（ICN），这是一种层级生物启发网络，能够在其节点中通过变阶马尔可夫模型学习不变模式。ICN 层级最顶层节点的输出代表了最高的输入泛化，允许对输入进行自动分类。我们发现 ICN 对 MNIST 图像的聚类错误率为 5.73%，对 USPS 图像的聚类错误率为 12.56%。
引用
@article{arxiv.1211.1255,
title = {Handwritten digit recognition by bio-inspired hierarchical networks},
author = {Antonio G. Zippo and Giuliana Gelsomino and Sara Nencini and Gabriele E. M. Biella},
journal= {arXiv preprint arXiv:1211.1255},
year = {2012}
}