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
943
文章
588392
阅读量
55
订阅数
订阅专栏
申请加入专栏
全部文章(943)
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
求论文:A Conceptual Consideration of the Free Energy Principle in
论文
神经网络
free
编码
地图
A Conceptual Consideration of the Free Energy Principle in Cognitive Maps: How Cognitive Maps Help Reduce Surprise
用户1908973
2024-02-26
80
0
人工神经网络对人类语言习得的启示
数据
语法
神经网络
测试
模型
What Artifificial Neural Networks Can Tell Us
用户1908973
2024-02-06
98
0
深度神经网络作为拓扑量子神经网络的半经典极限:泛化问题
神经网络
人工智能
框架
模型
系统
深度神经网络(DNNs),即具有几个隐藏层的神经网络,由于它们在从分子设计[1]和社会经济预测[2]到机器翻译[3]和近似偏微分算子[4]的各种学习任务中的成功而变得流行。然而,我们对这项技术的基本理解却远远落后。DNNs在很大程度上被认为是“黑箱”系统,
用户1908973
2024-01-11
117
0
为AI配备目标;强化学习是最低的智能行为,昆虫和哺乳动物在第几层?
神经网络
强化学习
工作
框架
模型
理论生物学的最新进展表明,基础认知和感知行为是体外细胞培养和神经元网络的自然属性,respectively.这种神经元网络在大脑中自发地学习结构化行为在没有奖励或加强情况下。在这篇文章中,我们通过自由能原理的透镜来描述这种self-organisation,即不证自明的。我们要做到这一点,首先要基于主动推理的设置,definitions of reactive and sentient behaviour,模拟他们的行动的consequences。然后我们引入了一种对有意行为的正式解释,它将代理描述为由潜在状态空间中的首选端点或目标驱动。然后,我们研究这些形式的(反应性的、有感觉的和有意的(reactive, sentient, and intentional)行为模拟。首先,我们模拟上述体外实验,其中神经元培养通过实现嵌套的、自由能的最小化过程,自发地学习玩乒乓。然后模拟被用来解构随之而来的预测行为——区分仅仅是反应性的、有感觉的和有意的行为,后者以归纳计划的形式出现。这使用简单的机器学习基准进一步研究区别(导航一个网格世界和汉诺塔问题),这显示了如何快速有效地适应性行为是在主动推理的归纳形式下出现的。
用户1908973
2023-12-20
125
0
范畴论与机器学习
机器学习
神经网络
工作
论文
数学
Category theory has been finding increasing applications in machine learning. This repository aims to list all of the relevant papers, grouped by fields.
用户1908973
2023-11-30
165
0
开源库Torchhd支持超维度计算和向量符号架构
神经网络
开源
分布式
架构
模型
https://github.com/hyperdimensional-computing/torchhd
用户1908973
2023-11-03
247
0
动作过程中进行反馈校正的控制策略
神经网络
机器人
框架
模型
系统
令人怀疑的是,动物是否有完美的肢体逆模型(例如,要到达空间中的特定位置,每个关节必须进行什么样的肌肉收缩)。然而,在机器人控制中,将手臂的末端执行器移动到目标位置或沿着目标轨迹移动需要精确的正向和反向模型。在这里,我们表明,通过从交互中学习转换(向前)模型,我们可以使用它来驱动分期偿还策略的学习。因此,我们重新考虑了与深度主动推理框架相关的策略优化,并描述了一种模块化神经网络架构,该架构同时从预测误差和随机策略中学习系统动态,该随机策略生成合适的连续控制命令以到达期望的参考位置。我们通过将该模型与线性二次型调节器的基线进行比较来评估该模型,并总结了向类人运动控制迈进的额外步骤。
用户1908973
2023-10-10
136
0
Self-building Neural Networks 代码
神经网络
self
工作
模型
性能
在生命的第一阶段,大脑在通过称为突触发生的过程学习的同时发育。神经元相互生长和相互作用,形成突触。然而,最终大脑会修剪这些突触。虽然以前的工作侧重于独立学习和修剪,但在这项工作中,我们提出了一个生物学上合理的模型,由于Hebb学习和修剪的结合,旨在模拟突触发生过程。这样,在学习如何解决任务的同时,代理将其经验转化为特定的网络结构。即,网络结构在任务执行期间自行构建。我们称这种方法为自建神经网络(SBNN)。
用户1908973
2023-09-13
150
0
在突触学习和计算目标之间建立精确关系的框架
神经网络
工作
框架
算法
原理
paper:A normative framework for deriving neural networks with multi-compartmental neurons and non-Hebbian plasticity
用户1908973
2023-09-13
125
0
特别抗攻击的仿生图模型
神经网络
模型
数据
网络
性能
Here, the PC graph has an hierarchical structure and intra-layer and inter-layer operations.Inter-layer operations update neural activities and prediction according to information coming from the layer above,while intra-layer ones do it accordingly to the predictions computed from neighbour nodes according to an aggregation mechanism.)
用户1908973
2023-09-12
149
0
从噪声数据中学习解释性规则 deepmind2017
神经网络
程序
模型
数据
系统
𝛼 ILP: thinking visual scenes as differentiable logic programs
用户1908973
2023-09-01
118
0
不同脑区及相应功能模拟
神经网络
存储
memory
架构
模型
请大家关注我的最新版本的预印https://arxiv.org/abs/2203.11740,我们尝试用人工智能、量子力学和流体动力学理解我们的大脑。
用户1908973
2023-09-01
165
0
阿尔兹海默症的幻觉猜想及架构变化率在皮层的传递和存储
神经网络
存储
memory
架构
模型
请大家关注我的最新版本的预印https://arxiv.org/abs/2203.11740,我们尝试用人工智能、量子力学和流体动力学理解我们的大脑。
用户1908973
2023-09-01
141
0
多皮层心脑建模-记忆产生、巩固和丧失(认知障碍和阿尔兹海默症的可能机理)并通过突触强度再平衡改变大脑架构
神经网络
存储
memory
架构
模型
早在2020年就已经开始研究突触强度再平衡,并在2021年10月做好了仿真和写好了中文版论文,也翻译了大部分中文成为英文,并向一个细胞子刊主编写信进行了投稿前咨询,他表示欢迎。
用户1908973
2023-09-01
141
0
AGI之 概率溯因推理超越人类水平
神经网络
对象
后端
前端
数据
迈克尔·赫什,1,2穆斯塔法·泽基利,2卢卡·贝尼尼,2阿布·塞巴斯蒂安,1,a)和阿巴斯·拉希米1,b)
用户1908973
2023-09-01
173
0
AGI之 概率溯因推理的高效DL实现
神经网络
对象
后端
前端
数据
迈克尔·赫什,1,2穆斯塔法·泽基利,2卢卡·贝尼尼,2阿布·塞巴斯蒂安,1,a)和阿巴斯·拉希米1,b)
用户1908973
2023-09-01
139
0
记忆产生、巩固和丧失(阿尔兹海默症的可能机理)并通过突触强度再平衡改变大脑架构(4假设4发现3创新并符合14篇脑科学实验和假设)
神经网络
存储
memory
架构
连接
早在2020年就已经开始研究突触强度再平衡,并在2021年10月做好了仿真和写好了中文版论文,也翻译了大部分中文成为英文,并向一个细胞子刊主编写信进行了投稿前咨询,他表示欢迎。
用户1908973
2023-09-01
141
0
脑启发的ANN学习机制综述
神经网络
机器人
算法
网络
优化
Brain-inspired learning in artificial neural networks: a review
用户1908973
2023-09-01
268
0
生物神经网络的开源芯片
神经网络
开源
华为
框架
芯片
OpenSpike 是一种尖峰神经网络 (SNN) 加速器,使用完全开源的 EDA 工具、流程设计工具包 (PDK) 和使用OpenRAM合成的内存宏。该芯片采用 130 nm SkyWater 工艺流片,集成了超过 100 万个突触权重,并提供可重新编程的架构。它以40 MHz的时钟速度运行,1.8 V的电源,使用PicoRV32内核进行控制,占用面积为33.3 mm 2. 加速器的吞吐量为每秒 48,262 张图像,挂钟时间为 20.72 μs,速度为 56.8 GOPS/W。尖峰神经元使用滞后作用来提供可以减少状态不稳定性的自适应阈值(即,施密特触发器)。这导致了一系列基准测试中的高性能 SNN 与最先进的全精度 SNN 相比仍然具有竞争力。
用户1908973
2023-09-01
203
0
生物神经网络的开源硬件加速
神经网络
华为
开源硬件
框架
论文
OpenSpike 是一种尖峰神经网络 (SNN) 加速器,使用完全开源的 EDA 工具、流程设计工具包 (PDK) 和使用OpenRAM合成的内存宏。该芯片采用 130 nm SkyWater 工艺流片,集成了超过 100 万个突触权重,并提供可重新编程的架构。它以40 MHz的时钟速度运行,1.8 V的电源,使用PicoRV32内核进行控制,占用面积为33.3 mm 2. 加速器的吞吐量为每秒 48,262 张图像,挂钟时间为 20.72 μs,速度为 56.8 GOPS/W。尖峰神经元使用滞后作用来提供可以减少状态不稳定性的自适应阈值(即,施密特触发器)。这导致了一系列基准测试中的高性能 SNN 与最先进的全精度 SNN 相比仍然具有竞争力。
用户1908973
2023-09-01
152
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