软件学报

作者：张祎晨，何干，杜凯，黄铁军

单位：张祎晨，北京大学 计算机学院, 北京 10087111,何干，北京大学 计算机学院, 北京 10087102,杜凯，北京大学 人工智能研究院, 北京 10087103,黄铁军，北京大学 计算机学院, 北京 100871;北京大学 人工智能研究院, 北京 10087104

关键词：大脑仿真;类脑计算;感知学习;图像分类

基金：国家自然科学基金(61425025);国家重点研发计划(2020AAA0130400)

大脑如何实现学习以及感知功能对于人工智能和神经科学领域均是一个重要问题.现有人工神经网络由于结构和计算机制与真实大脑相差较大,无法直接用于理解真实大脑学习以及处理感知任务的机理.树突神经元模型是一种对大脑神经元树突信息处理过程进行建模仿真的计算模型,相比人工神经网络更接近生物真实.使用树突神经网络模型处理学习感知任务对理解真实大脑的学习过程有重要作用.然而,现有基于树突神经元网络的学习模型大都局限于简化树突模型,无法完整建模树突的信号处理过程.针对这一问题,提出一种基于精细中型多棘神经元网络的学习模型,使得精细神经网络可以通过学习完成相应感知任务.实验表明,在经典的图像分类任务上,所提模型可以达到很好的分类性能.此外,精细神经网络对于噪声干扰有很强的鲁棒性.对网络特性进行进一步分析,发现学习后网络中的神经元表现出了刺激选择性这种神经科学中的经典现象,表明所提模型具有一定的生物可解释性,同时也表明刺激选择特性可能是大脑通过学习完成感知任务的一种重要特性.

来源：2024年第3期

《软件学报》期刊编辑部

查看软件学报杂志2024年第3期