模拟精神分裂症的层优于常规神经网络层

我们已报道对精神分裂症病例脑网络的纳米尺度三维研究，发现其与健康对照相比神经突细且弯曲。这表明在精神分裂症病例的微电路中远端神经元间的连接受到抑制。本研究将这些生物学发现应用于设计模拟精神分裂症的人工神经网络，以模拟该疾病中观察到的连接改变。以“精神分裂症连接层”替代全连接层的神经网络，使用 MNIST 与 CIFAR-10 数据集进行图像分类任务。结果显示精神分裂症连接层对过拟合具有耐受性，且优于全连接层。该优越性仅在使用带状矩阵作为权重窗口的网络中观察到，表明权重矩阵的形状与网络性能相关。还使用 VGG 配置测试了精神分裂症卷积层，显示最后三个卷积层 60% 的核权重可在不损失精度的情况下被消除。精神分裂症层可替代常规层而无需改变网络配置与训练流程；因此神经网络可轻易利用这些层。本研究结果表明，精神分裂症中发现的连接改变并非大脑的负担，而是在大脑性能中具有功能性作用。