NeuRN：基于神经生物学启发的图像分类领域泛化方法

图像分类中的领域泛化是关键挑战，模型常在未见数据集上泛化不佳。我们通过引入神经生物学启发的神经响应归一化（NeuRN）层来解决此问题，该层灵感来自哺乳动物视觉皮层的神经元，旨在通过在源域上训练深度学习模型来增强其在未见目标域上的性能。将这些模型的性能作为基线进行比较，然后与集成NeuRN的模型在图像分类任务中进行对比实验。我们在包括来自神经网络架构搜索和视觉变换器等多种深度学习架构上进行实验。此外，为了从广泛的深度神经网络中筛选出实验模型，我们提出了一种新方法，使用Needleman-Wunsch算法计算深度学习架构之间的相似性。我们的结果表明，NeuRN通过在跨域图像分类任务中优于基线，显示出其有效性。我们的框架旨在为未来的神经生物学深度学习模型奠定基础。