


Das selbstorganisierende neuronale Netzwerk, das wie ein biologisches Netzwerk „wächst' und „strukturelle Plastizität' aufweist, ist da
Biologische Neuronale NetzeEin wichtiges Merkmal ist ein hoher Grad an Plastizität, der natürlichen Organismen eine ausgezeichnete Anpassungsfähigkeit verleiht, und diese Fähigkeit beeinflusst die synaptische Stärke und Topologie des Nervensystems.
Künstliche neuronale Netze sind jedoch hauptsächlich als statische, vollständig verbundene Strukturen konzipiert, die angesichts sich ändernder Umgebungen und neuer Eingaben sehr fragil sein können. Obwohl Forscher umfangreiche Untersuchungen zum Online-Lernen und Meta-Lernen durchgeführt haben, verwenden aktuelle hochmoderne neuronale Netzwerksysteme immer noch Offline-Lernen, da dies in Kombination mit Backpropagation einfacher ist.
Können künstliche neuronale Netze also auch Eigenschaften haben, die einer hohen Plastizität ähneln?
Ein Forschungsteam der Universität für Informationstechnologie in Kopenhagen schlug ein selbstorganisierendes neuronales Netzwerk vor – LNDP, das synaptische und strukturelle Plastizität auf aktivitäts- und belohnungsabhängige Weise erreichen kann.
Im Jahr 2023 schlugen Najarro et al. das Modell des Neurodevelopmental Program (NDP) vor. Der NDP ist jedoch zeitlich auf die Vorumweltphase beschränkt. Daher hat ein Forschungsteam der Informationstechnologie-Universität Kopenhagen diese Einschränkung durch die Erweiterung des NDP-Frameworks behoben.
Konkret schlug das Forschungsteam einen Mechanismus vor, der während des Lebenszyklus eines Wirkstoffs Plastizität und strukturelle Veränderungen bewirken kann – LNDP (Lifelong Neural Developmental Programs). Dieser Mechanismus wird durch die Durchführung lokaler Berechnungen implementiert, die sich auf die lokale Aktivität jedes Neurons im künstlichen neuronalen Netzwerk und die globale Belohnungsfunktion der Umgebung stützen. LNDP macht künstliche neuronale Netze plastisch und überbrückt die Plastizitätsregeln der indirekten Entwicklungskodierung und des Meta-Lernens.
LNDP besteht aus einer Reihe parametrisierter Komponenten, die die neuronale und synaptische Dynamik definieren und künstliche neuronale Netze strukturell plastisch machen sollen (d. h. Synapsen können dynamisch hinzugefügt oder entfernt werden).
Inspiriert durch die spontane Aktivität (SA) in Organismen erweiterte das Forschungsteam das System weiter und führte einen Mechanismus ein, der die Entwicklung von Vorerfahrungen erreichen kann, indem er die einfache und zuverlässige Funktion sensorischer Neuronen nutzt, um stochastische Prozesse zu erlernen Modell SA, das die Wiederverwendung einiger Komponenten ermöglicht.
Das Forschungsteam schlug eine LNDP-Instanz basierend auf der Graph Transformer-Schicht (Dwivedi und Bresson, 2021) vor und optimierte das LNDP mithilfe der Covariance Matrix Adaptive Evolution Strategy (CMA-ES) für eine Reihe von Reinforcement-Learning-Aufgaben.
In dieser Studie wurden insbesondere drei klassische Kontrollaufgaben (Cartpole, Acrobot, Pendulum) und eine Sammelaufgabe (Foraging) mit instationärer Dynamik verwendet, die eine Anpassungsfähigkeit des Agenten an den Lebenszyklus erfordern.
Zusammenfassend zeigte das Forschungsteam, dass sich LNDP ausgehend von einem zufällig verbundenen (oder leeren) neuronalen Netzwerk selbst organisiert, um aktivitäts- und erfahrungsabhängig ein funktionales Netzwerk zu bilden, um Steuerungsaufgaben effektiv zu lösen.
Die Studie zeigt auch, dass strukturelle Plastizität die Ergebnisse in Umgebungen verbessern kann, die eine schnelle Anpassung erfordern oder eine instationäre Dynamik aufweisen, die eine kontinuierliche Anpassung erfordert. Darüber hinaus zeigt diese Studie die Wirksamkeit von Entwicklungsstadien, die durch spontane Aktivität vor der Umgebung gesteuert werden, bei der Selbstorganisation von Netzwerken in funktionelle Einheiten.
Experimentelle Ergebnisse
Das Forschungsteam testete die Unterschiede zwischen SP-Modellen (Modelle mit struktureller Plastizität) und Nicht-SP-Modellen (Modelle ohne strukturelle Plastizität) bei allen Aufgaben. Die Ergebnisse sind in Abbildung 2 unten dargestellt.
Bei der Sammelaufgabe (Futtersuche) mit instationärer Dynamik stellte das Forschungsteam fest, dass das SP-Modell immer eine höhere durchschnittliche Fitness erreichte als das Nicht-SP-Modell und beide eine ähnliche maximale Fitness erreichten. Dies zeigt, dass SP in instationären Situationen eine bessere Anpassungsfähigkeit aufweist.
In der CartPole-Umgebung ist es für Modelle ohne SA besonders schwierig, von Anfang an eine gute Leistung zu erzielen, während Modelle mit SA von Anfang an inhärente Fähigkeiten bei der Lösung der Aufgabe zeigen. Dies zeigt die Fähigkeit des Modells, Zielfunktionsnetzwerke auf nicht belohnungsabhängige und selbstorganisierende Weise zu erreichen.
Weitere Forschungsdetails finden Sie im Originalpapier.
Das obige ist der detaillierte Inhalt vonDas selbstorganisierende neuronale Netzwerk, das wie ein biologisches Netzwerk „wächst' und „strukturelle Plastizität' aufweist, ist da. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

Video Face Swap
Tauschen Sie Gesichter in jedem Video mühelos mit unserem völlig kostenlosen KI-Gesichtstausch-Tool aus!

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen











Aber vielleicht kann er den alten Mann im Park nicht besiegen? Die Olympischen Spiele in Paris sind in vollem Gange und Tischtennis hat viel Aufmerksamkeit erregt. Gleichzeitig haben Roboter auch beim Tischtennisspielen neue Durchbrüche erzielt. Gerade hat DeepMind den ersten lernenden Roboteragenten vorgeschlagen, der das Niveau menschlicher Amateurspieler im Tischtennis-Wettkampf erreichen kann. Papieradresse: https://arxiv.org/pdf/2408.03906 Wie gut ist der DeepMind-Roboter beim Tischtennisspielen? Vermutlich auf Augenhöhe mit menschlichen Amateurspielern: Sowohl Vorhand als auch Rückhand: Der Gegner nutzt unterschiedliche Spielstile, und auch der Roboter hält aus: Aufschlagannahme mit unterschiedlichem Spin: Allerdings scheint die Intensität des Spiels nicht so intensiv zu sein wie Der alte Mann im Park. Für Roboter, Tischtennis

Am 21. August fand in Peking die Weltroboterkonferenz 2024 im großen Stil statt. Die Heimrobotermarke „Yuanluobot SenseRobot“ von SenseTime hat ihre gesamte Produktfamilie vorgestellt und kürzlich den Yuanluobot AI-Schachspielroboter – Chess Professional Edition (im Folgenden als „Yuanluobot SenseRobot“ bezeichnet) herausgebracht und ist damit der weltweit erste A-Schachroboter für heim. Als drittes schachspielendes Roboterprodukt von Yuanluobo hat der neue Guoxiang-Roboter eine Vielzahl spezieller technischer Verbesserungen und Innovationen in den Bereichen KI und Maschinenbau erfahren und erstmals die Fähigkeit erkannt, dreidimensionale Schachfiguren aufzunehmen B. durch mechanische Klauen an einem Heimroboter, und führen Sie Mensch-Maschine-Funktionen aus, z. B. Schach spielen, jeder spielt Schach, Überprüfung der Notation usw.

Der Schulstart steht vor der Tür und nicht nur die Schüler, die bald ins neue Semester starten, sollten auf sich selbst aufpassen, sondern auch die großen KI-Modelle. Vor einiger Zeit war Reddit voller Internetnutzer, die sich darüber beschwerten, dass Claude faul werde. „Sein Niveau ist stark gesunken, es kommt oft zu Pausen und sogar die Ausgabe wird sehr kurz. In der ersten Woche der Veröffentlichung konnte es ein komplettes 4-seitiges Dokument auf einmal übersetzen, aber jetzt kann es nicht einmal eine halbe Seite ausgeben.“ !

Auf der World Robot Conference in Peking ist die Präsentation humanoider Roboter zum absoluten Mittelpunkt der Szene geworden. Am Stand von Stardust Intelligent führte der KI-Roboterassistent S1 drei große Darbietungen mit Hackbrett, Kampfkunst und Kalligraphie auf Ein Ausstellungsbereich, der sowohl Literatur als auch Kampfkunst umfasst, zog eine große Anzahl von Fachpublikum und Medien an. Durch das elegante Spiel auf den elastischen Saiten demonstriert der S1 eine feine Bedienung und absolute Kontrolle mit Geschwindigkeit, Kraft und Präzision. CCTV News führte einen Sonderbericht über das Nachahmungslernen und die intelligente Steuerung hinter „Kalligraphie“ durch. Firmengründer Lai Jie erklärte, dass hinter den seidenweichen Bewegungen die Hardware-Seite die beste Kraftkontrolle und die menschenähnlichsten Körperindikatoren (Geschwindigkeit, Belastung) anstrebt. usw.), aber auf der KI-Seite werden die realen Bewegungsdaten von Menschen gesammelt, sodass der Roboter stärker werden kann, wenn er auf eine schwierige Situation stößt, und lernen kann, sich schnell weiterzuentwickeln. Und agil

Bei dieser ACL-Konferenz haben die Teilnehmer viel gewonnen. Die sechstägige ACL2024 findet in Bangkok, Thailand, statt. ACL ist die führende internationale Konferenz im Bereich Computerlinguistik und Verarbeitung natürlicher Sprache. Sie wird von der International Association for Computational Linguistics organisiert und findet jährlich statt. ACL steht seit jeher an erster Stelle, wenn es um akademischen Einfluss im Bereich NLP geht, und ist außerdem eine von der CCF-A empfohlene Konferenz. Die diesjährige ACL-Konferenz ist die 62. und hat mehr als 400 innovative Arbeiten im Bereich NLP eingereicht. Gestern Nachmittag gab die Konferenz den besten Vortrag und weitere Auszeichnungen bekannt. Diesmal gibt es 7 Best Paper Awards (zwei davon unveröffentlicht), 1 Best Theme Paper Award und 35 Outstanding Paper Awards. Die Konferenz verlieh außerdem drei Resource Paper Awards (ResourceAward) und einen Social Impact Award (

Tiefe Integration von Vision und Roboterlernen. Wenn zwei Roboterhände reibungslos zusammenarbeiten, um Kleidung zu falten, Tee einzuschenken und Schuhe zu packen, gepaart mit dem humanoiden 1X-Roboter NEO, der in letzter Zeit für Schlagzeilen gesorgt hat, haben Sie vielleicht das Gefühl: Wir scheinen in das Zeitalter der Roboter einzutreten. Tatsächlich sind diese seidigen Bewegungen das Produkt fortschrittlicher Robotertechnologie + exquisitem Rahmendesign + multimodaler großer Modelle. Wir wissen, dass nützliche Roboter oft komplexe und exquisite Interaktionen mit der Umgebung erfordern und die Umgebung als Einschränkungen im räumlichen und zeitlichen Bereich dargestellt werden kann. Wenn Sie beispielsweise möchten, dass ein Roboter Tee einschenkt, muss der Roboter zunächst den Griff der Teekanne ergreifen und sie aufrecht halten, ohne den Tee zu verschütten, und ihn dann sanft bewegen, bis die Öffnung der Kanne mit der Öffnung der Tasse übereinstimmt , und neigen Sie dann die Teekanne in einem bestimmten Winkel. Das

Einleitung zur Konferenz Mit der rasanten Entwicklung von Wissenschaft und Technologie ist künstliche Intelligenz zu einer wichtigen Kraft bei der Förderung des sozialen Fortschritts geworden. In dieser Zeit haben wir das Glück, die Innovation und Anwendung der verteilten künstlichen Intelligenz (DAI) mitzuerleben und daran teilzuhaben. Verteilte Künstliche Intelligenz ist ein wichtiger Zweig des Gebiets der Künstlichen Intelligenz, der in den letzten Jahren immer mehr Aufmerksamkeit erregt hat. Durch die Kombination des leistungsstarken Sprachverständnisses und der Generierungsfähigkeiten großer Modelle sind plötzlich Agenten aufgetaucht, die auf natürlichen Sprachinteraktionen, Wissensbegründung, Aufgabenplanung usw. basieren. AIAgent übernimmt das große Sprachmodell und ist zu einem heißen Thema im aktuellen KI-Kreis geworden. Au

Heute Nachmittag begrüßte Hongmeng Zhixing offiziell neue Marken und neue Autos. Am 6. August veranstaltete Huawei die Hongmeng Smart Xingxing S9 und die Huawei-Konferenz zur Einführung neuer Produkte mit umfassendem Szenario und brachte die Panorama-Smart-Flaggschiff-Limousine Xiangjie S9, das neue M7Pro und Huawei novaFlip, MatePad Pro 12,2 Zoll, das neue MatePad Air und Huawei Bisheng mit Mit vielen neuen Smart-Produkten für alle Szenarien, darunter die Laserdrucker der X1-Serie, FreeBuds6i, WATCHFIT3 und der Smart Screen S5Pro, von Smart Travel über Smart Office bis hin zu Smart Wear baut Huawei weiterhin ein Smart-Ökosystem für alle Szenarien auf, um Verbrauchern ein Smart-Erlebnis zu bieten Internet von allem. Hongmeng Zhixing: Huawei arbeitet mit chinesischen Partnern aus der Automobilindustrie zusammen, um die Modernisierung der Smart-Car-Industrie voranzutreiben
