腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
CreateAMind
专栏作者
举报
948
文章
588510
阅读量
55
订阅数
订阅专栏
申请加入专栏
全部文章(948)
其他(347)
模型(171)
https(98)
人工智能(94)
神经网络(84)
深度学习(82)
系统(75)
编程算法(72)
机器学习(59)
框架(58)
编码(45)
数据(42)
强化学习(41)
网络安全(40)
算法(39)
github(38)
网络(37)
开源(35)
原理(31)
代理(30)
函数(29)
连接(25)
机器人(24)
工作(24)
论文(23)
自动驾驶(20)
游戏(20)
架构(20)
对象(19)
git(18)
python(17)
存储(17)
memory(17)
基础(17)
设计(15)
http(14)
华为(13)
优化(13)
tensorflow(12)
html(12)
linux(12)
无人驾驶(12)
model(12)
数学(10)
效率(10)
models(9)
网站(8)
大数据(8)
分布式(7)
keras(7)
变量(7)
测试(7)
图表(7)
nat(6)
abstract(6)
free(6)
theory(6)
NLP 服务(5)
pytorch(5)
无监督学习(5)
数据分析(5)
agent(5)
code(5)
地图(5)
工具(5)
统计(5)
性能(5)
硬件(5)
ios(4)
微信(4)
安全(4)
action(4)
bayesian(4)
epoch(4)
message(4)
openai(4)
self(4)
程序(4)
集合(4)
事件(4)
java(3)
.net(3)
ide(3)
自动化(3)
algorithm(3)
data(3)
logic(3)
network(3)
set(3)
state(3)
编程(3)
后端(3)
解决方案(3)
配置(3)
视频(3)
搜索(3)
同步(3)
c++(2)
go(2)
node.js(2)
api(2)
文件存储(2)
容器(2)
监督学习(2)
iis(2)
windows(2)
数据结构(2)
processing(2)
迁移(2)
教育(2)
coding(2)
com(2)
constraints(2)
debug(2)
distribution(2)
function(2)
gaussian(2)
gpt(2)
gradient(2)
gwt(2)
maze(2)
object(2)
output(2)
pdf(2)
position(2)
probability(2)
process(2)
scale(2)
simulation(2)
slide(2)
structure(2)
task(2)
this(2)
time(2)
using(2)
笔记(2)
部署(2)
翻译(2)
计算机(2)
镜像(2)
开发(2)
内存(2)
前端(2)
全栈(2)
软件(2)
协议(2)
芯片(2)
压缩(2)
语法(2)
语音(2)
objective-c(1)
mac os(1)
php(1)
lua(1)
css(1)
json(1)
arm(1)
硬件开发(1)
云数据库 Redis(1)
ubuntu(1)
容器镜像服务(1)
spring(1)
批量计算(1)
访问管理(1)
腾讯云测试服务(1)
图像处理(1)
高性能计算(1)
企业(1)
缓存(1)
ssh(1)
卷积神经网络(1)
erp(1)
gui(1)
面向对象编程(1)
自动化测试(1)
tcp/ip(1)
模式识别(1)
迁移学习(1)
数据处理(1)
数据可视化(1)
架构设计(1)
fpga(1)
信息流(1)
云计算(1)
分类算法(1)
es(1)
学习方法(1)
abstraction(1)
analysis(1)
architecture(1)
area(1)
binary(1)
build(1)
chatgpt(1)
classification(1)
config(1)
core(1)
correlation(1)
cpu(1)
dataset(1)
detection(1)
diff(1)
directory(1)
dynamic(1)
email(1)
error(1)
event(1)
events(1)
feed(1)
file(1)
fixed(1)
focus(1)
format(1)
formatting(1)
frameworks(1)
global(1)
gmail(1)
google(1)
hidden(1)
hpc(1)
identity(1)
input(1)
julia(1)
key(1)
linkedin(1)
local(1)
matrix(1)
meta(1)
mnist(1)
modeling(1)
mpi(1)
paypal(1)
permutation(1)
physics(1)
ps(1)
reduce(1)
reference(1)
return(1)
rgb(1)
rules(1)
sampling(1)
semantics(1)
sharing(1)
simulator(1)
size(1)
sort(1)
spaces(1)
statistics(1)
subset(1)
target(1)
testing(1)
title(1)
torch(1)
vector(1)
version(1)
vr(1)
wiki(1)
workspace(1)
递归(1)
动态规划(1)
二进制(1)
反射(1)
高性能(1)
工程师(1)
开源软件(1)
开源硬件(1)
可视化(1)
量化(1)
模块化(1)
实践(1)
调试(1)
学习笔记(1)
数据转换(1)
深度学习框架(1)
搜索文章
搜索
搜索
关闭
自闭症崩溃的多学科解释
安全
编码
模型
数据
异常
The Meltdown Pathway: A Multidisciplinary Account of Autistic Meltdowns 崩溃之路:自闭症崩溃的多学科解释
用户1908973
2024-04-26
2
0
学习规则的视觉抽象推理概率溯因
编码
测试
模型
数据
搜索
AI的TCPIP协议I:超维计算(向量符号体系结构)综述,第一部分:模型和数据转换
用户1908973
2024-04-26
1
0
解释选择性视觉注意相关的广泛经验现象,视觉识别的自由能例子拆解
对象
函数
架构
模型
网络
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6544897/
用户1908973
2024-04-26
1
0
忆阻器玩Atari游戏
函数
内存
网络
硬件
游戏
Single Neuromorphic Memristor closely Emulates Multiple Synaptic Mechanisms for Energy Efficient Neural Networks
用户1908973
2024-04-26
2
0
稳定、快速、自动的预测编码算法
算法
性能
编码
模型
数据
预测编码网络是受神经科学启发的模型,根源于贝叶斯统计和神经科学。然而,训练这样的模型通常效率低下且不稳定。在这项工作中,我们展示了通过简单地改变突触权重更新规则的时间调度,可以得到一个比原始算法更高效稳定且具有收敛性理论保证的算法。我们提出的算法被称为增量预测编码(iPC),与原始算法相比,在生物学上更加合理,因为它是完全自动的。在一系列广泛的实验中,我们展示了在大量图像分类基准测试以及条件和掩码语言模型的训练方面,iPC在测试准确性、效率和收敛性方面始终优于原始表述,针对大量超参数集。
用户1908973
2024-04-26
2
0
2024集体智慧:跨尺度整合生物学的统一概念
模型
网络
系统
迁移
工具
https://www.nature.com/articles/s42003-024-06037-4
用户1908973
2024-04-19
95
0
视觉双稳态感知的神经递质机制
函数
模型
数据
系统
编码
Bistable perception, precision and neuromodulation
用户1908973
2024-04-19
87
0
多尺度合成生物集体智能概述:5万字
模型
网络
系统
代理
框架
TABLE 2 | isomorphism between cognition and pattern formation.
用户1908973
2024-04-19
70
0
解决深度学习4大缺陷
深度学习
模型
算法
硬件
优化
A Review of Neuroscience-Inspired Machine Learning https://arxiv.org/abs/2403.18929
用户1908973
2024-04-19
95
0
Making and breaking symmetries in mind and life 全文翻译
原理
翻译
基础
模型
系统
Making and breaking symmetries in mind and life
用户1908973
2024-04-19
79
0
透明内省的可解释AI框架
设计
系统
人工智能
框架
模型
Designing explainable artificial intelligence with active inference: A framework for transparent introspection and decision-making https://arxiv.org/abs/2306.04025
用户1908973
2024-04-13
50
0
实时反馈避障控制无人机飞向目标 代码讲解
模型
系统
代理
函数
框架
https://learnableloop.com/posts/FlyToTarget_PORT.html
用户1908973
2024-04-12
120
0
设计AI机器人熟练使用工具的模型
设计
机器人
代理
工具
模型
Hierarchical hybrid modeling for flexible tool use
用户1908973
2024-04-11
55
0
马尔可夫毯、信息几何和随机热力学
函数
模型
数据
统计
系统
本文考虑了热力学、信息和推理之间的关系。特别是,它在自组织的变分(自由能)原理下探索了信念更新的热力学伴随物。简而言之,任何拥有马尔可夫毯的(弱混合)随机动力系统,即 内部和外部状态的分离——配备有信息几何。这意味着内部状态参数化外部状态的概率密度。此外,在非平衡稳态下,内部状态流可以解释为统计学中称为贝叶斯模型证据的量的梯度流。简而言之,任何拥有马尔可夫毯子的系统都存在自然的贝叶斯力学。至关重要的是,这意味着内部状态执行的推论与其能量学(以随机热力学为特征)之间存在明确的联系。本文是 主题为“协调能源-自主计算与智能”。
用户1908973
2024-04-11
69
0
AI机器人熟练使用工具的模型
工具
模型
机器人
编码
代理
Hierarchical hybrid modeling for flexible tool use
用户1908973
2024-04-11
44
0
构建、模拟和分析仿生、神经生物学、尖峰网络、预测编码电路及生物合理信用分配进行学习的模型的开源软件库
网络
系统
编码
开源软件
模型
ngc-learn 是一个 Python 模拟库,旨在通过以灵活重新排列的组件和操作的形式具体实例化神经元动力学和突触可塑性形式来满足上述需求,以构建用于大脑研究的任意、模块化和复杂的仿生系统。启发了计算和神经认知建模。更重要的是,它旨在促进神经计算和信息处理、神经元电路、生物学上合理的信用分配和神经模拟代理的新模型的设计、开发和分析。具体来说,ngc-learn 实现了模拟以微分方程为特征的仿生系统的通用模式,包括基于生物物理尖峰神经元细胞的仿生系统。
用户1908973
2024-04-11
75
0
元意识和注意力控制建模
代理
架构
框架
模型
数据
Towards a computational phenomenology of mental action: modelling meta-awareness and attentional control with deep parametric active inference
用户1908973
2024-04-11
56
0
九次架构改进具身机器人,模拟镜像神经元
模型
机器人
编码
架构
镜像
感知与行动之间存在着一种微妙的平衡,在感知中,预测误差会爬上层级,使信念更接近观察结果,在行动中,预测误差被抑制在较低水平,从而使观察结果更接近其预测。
用户1908973
2024-04-11
76
0
彻底解决AI视觉深度估计
函数
模型
编码
代理
对象
深度估计是一个不适定问题;不同形状或尺寸的物体,即使在不同距离上,也可能投影到视网膜上的同一图像上。我们的大脑使用多种线索来进行深度估计,包括单眼线索,如运动视差,以及双眼线索,如重影。然而,深度估计所需的计算如何以生物学合理的方式实现尚不清楚。基于深度神经网络的最新方法隐式地将大脑描述为分层特征检测器。相反,在本文中,我们提出了一种将深度估计视为主动推理问题的替代方法。我们展示了深度可以通过反转一个同时从二维对象信念预测眼睛投影的分层生成模型来推断。模型反演包括一系列基于预测编码原理的生物学合理的均匀变换。在非均匀视点分辨率的合理假设下,深度估计有利于采用主动视觉策略,通过眼睛对准对象,使深度信念更准确。这种策略不是通过首先将注意力集中在目标上然后估计深度来实现的;相反,它通过行动-感知循环结合了这两个过程,其机制类似于在物体识别过程中的快速眼球运动。所提出的方法仅需要局部的(自上而下和自下而上的)消息传递,可以在生物学上合理的神经回路中实现。
用户1908973
2024-04-11
90
0
最优控制思考错了? What Is Optimal about Motor Control
编码
函数
框架
模型
优化
本文提出了一个有争议的问题:最优控制理论对于理解运动行为有用还是误导?随着人们开始将运动控制和感知的内部模型混为一谈,这个问题变得越来越尖锐(Poeppel 等,2008;Hickok 等,2011)。然而,运动控制中的前向模型并不是感知推理中使用的生成模型。本视角试图强调运动控制和感知的内部模型之间的差异,并询问最优控制是否是思考事物的正确方式。这里考虑的问题可能对最优决策理论和贝叶斯学习和行为方法产生更广泛的影响。
用户1908973
2024-04-11
57
0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档