按年被提到
20162018 · 2 次2026
机器学习与深度学习›神经科学启发的 AI·arXiv:1610.00161 · q-bio.NC

Towards deep learning with segregated dendrites

迈向基于分隔树突的深度学习
Jordan Guergiuev, Timothy P. Lillicrap, Blake A. Richards · 2016

用多隔室神经元模型说明大脑可能如何做深度学习

开始阅读 ↗PDFalphaXiv 讨论
被提及 · 3 人首次 2016-10-04 · 最近 2019-06-02发表于 eLife
3不同的人
4活跃月份
4讨论串
372被引(OpenAlex)

展示一个使用多隔室神经元的深度学习算法,可能帮助理解大脑如何优化代价函数。模型中的神经元像新皮层锥体神经元一样,在电紧张上相互分隔的隔室里分别接收感觉信息和更高层的反馈,这种分隔让不同层的神经元能协调突触权重更新,网络对图像的分类优于单层网络,并能利用多层结构学到有用表征。作者认为这或可解释新皮层锥体神经元的树突形态。

HN 为什么提它

评论者把它作为神经科学启发、生物上较合理的深度学习工作,并认为新皮层是新型网络基元想法的最佳来源。

方法难度 4 / 5约 50 分钟经得起时间
读之前最好知道
1神经元与树突生理学
2反向传播算法
3新皮层锥体神经元
4多层神经网络

HN 书评

推荐在前,同类按时间 · 每篇最多保留 20 条,统计用全部提及
引用zerostar07 · 2018-05

“E.g. Towards deep learning with segregated dendrites”

举例说明有与生物学相联系的合理深度学习模型
AI winter is well on its way原评论 ↗
引用boltzmannbrain · 2018-11

“and Blake Richards' work towards "DL with segregated dendrites" [5].”

把它当作受神经科学启发的深度学习工作的代表
Ask HN: Is neuroscience-inspired machine learning the next big thing?原评论 ↗
引用p1esk · 2019-06

“IMO, the best source of ideas for novel primitives is neocortex [5, 6].”

认为新型网络基本单元的最佳灵感来源是新皮层,并引用这篇树突工作
Ask HN: New Neural Network Primitives?原评论 ↗
被提交为 story · 1 次