由导航数据训练的 VAE/GAN 中潜空间结构的组织
机器学习
2022-04-14 v3 神经与进化计算
神经元与认知
摘要
我们提出了一种新颖的基于生成式深度神经网络的人工认知映射系统，称为变分自编码器/生成对抗网络（VAE/GAN），其可将输入图像映射至潜向量，并在内部生成时间序列。结果表明，训练后预测图像的距离反映在对应潜向量的距离中。这表明潜空间自组织以反映数据集的邻近结构，并可能提供一种机制，使认知的诸多方面得以空间表征。本研究使网络能在内部生成类似于海马体重放/预演（replay/pre-play）能力的时间序列，其中 VAE 仅产生对过往经验的近乎准确重放，而通过引入 GAN，所生成序列耦合了不稳定性与新颖性。
引用
@article{arxiv.2102.01852,
title = {Organization of a Latent Space structure in VAE/GAN trained by navigation data},
author = {Hiroki Kojima and Takashi Ikegami},
journal= {arXiv preprint arXiv:2102.01852},
year = {2022}
}