深度神经网络(dnn)是否模拟了人类大脑皮层结构?
同时,一些特定的深层神经网络模型在一定程度上类似于人类大脑皮层的结构。
例如,2017年10月,美国普渡大学综合脑成像实验室的刘忠明在大脑皮层发表了《基于动态自然视觉深度学习的神经编解码》,基于深度神经网络模型对动态视觉进行编解码。这项工作基于972个视频片段和11.5小时的功能磁共振数据,通过深度神经网络(fmri)编码和解码,磁共振成像技术检测由于氧合血红蛋白和脱氧血红蛋白比率的变化而引起的血液磁化率的差异,并判断相应的脑区处于活动或静止状态),并用深层神经网络来解释动态视觉与脑激活的关系以及二者之间的关系。在以往的研究中,深度神经网络主要用来解释静态视觉和大脑激活之间的关系。目前尚不清楚深度神经网络是否可以用来解释动态视觉和大脑激活之间的关系。具体来说,cnn模型的中间层负责处理抽象的视觉信息,与人类视觉皮层的层次结构非常相似。
最终效果非常好。在编码方面,它取决于roi(感兴趣区域)。在相同的roi范围内,平均精度可达0.4~0.6,跨roi的精度为0.25~0.3。
此答案中使用的图片均取自原稿。
深度学习是什么意思?
近年来,随着信息社会、学习科学和课程改革的发展,深度学习是一种新的学习形式。
目前,对深度学习的概念有很多答案,很多专家学者的解释是本质意义一致的表述略有不同。
李嘉厚教授认为,深度学习是建立在理解的基础上的。学习者可以批判性地学习新的想法和事实,将它们融入原有的认知结构,将许多想法联系起来,并将现有的知识转移到新的情境中,从而做出决策和解决问题。
郭华教授认为,深度学习是在教师指导下的一个有意义的学习过程,学生围绕挑战性的学习主题,全心投入,体验成功,获得发展。它具有批判性理解、有机整合、建设性反思和迁移应用的特点。
深度学习有几个特点。一是触动人心的学习。第二,体验式学习。三是深入认识和实践创新的研究。
原文标题:深度神经网络原理 深度神经网络(DNN)是否模拟了人类大脑皮层结构?,如若转载,请注明出处:https://www.saibowen.com/wenda/22973.html
免责声明:此资讯系转载自合作媒体或互联网其它网站,「赛伯温」登载此文出于传递更多信息之目的,并不意味着赞同其观点或证实其描述,文章内容仅供参考。