Nengo被加拿大滑铁卢大学的神经学家和软件工程师表示,这是迄今为止产生的世界上最复杂、最大规模的人类大脑模型模拟。这个名叫Spaun的大脑由250万 个模拟神经元组成,它能执行8种不同类型的任务。这些任务的范围从描摹到计算,再到问题回答和流体推理(fluid reasoning),可谓五花八门。测试期间,科学家亮出一系列数字和字母,让Spaun记入储存器,然后科学家亮出另一种字母或符号,作为指令,告诉 Spaun借助它的记忆力做什么。随后机械臂会描绘出任务输出。该研究成果发表在《科学》杂志上。
Spaun的大脑由250万个神经元组成,它分解成一串模拟头盖骨子系统,其中包括前额皮质、基底神经节和丘脑,它们通过模拟神经元连接在一起,精确模拟真正的人类大脑的线路布局。这种模拟大脑的基本概念,是努力让这些子系统的行为很像真正的大脑:视觉输入经过丘脑处理,最终数据被储存在神经元里,
然后基底神经节向一部分皮层发送任务指令。所有这些计算结果都是通过精确的生理学模拟进行的,模仿电压尖脉冲和神经传递素。Spaun甚至模拟了人类大脑的局限性,努力储存更多短期记忆,而不是少量记忆。从机械学上来说这个模拟大脑非常简单,但是它的变通能力非常惊人。

在这种大脑的发展方面存在一些非常诱人的暗示:从简单任务开始,然后把它们积聚起来,组合到一起,制成具有复杂功能性的模型。由克里斯-埃利亚史密斯领导的这个科研组称,他们下一步是让Spaun具备自适应可塑性——通过简单的行动重新布局新线路、学习新任务的能力,而不只是按照事先
编排好的程序做。作为终极目标,埃利亚史密斯非常看好Spaun的发展前景。他说:“它有助于我们了解大脑行为、生物基及其相关行为。这对所有类型的健康
应用非常重要。”测试中他“杀死”人造神经元,并观察Spaun的执行能力的下降,这对了解自然衰老和退行性疾病至关重要。
Spaun是根据Nengo制成的,后者是用来模拟神经系统的一种图形化的开源软件包。如果你想模拟自己的大脑,你可以下载Spaun神经模型,不过你可能需要比台式电脑更强的执行能力。

Nengo是一个图形和脚本为基础的大型神经系统仿真软件包。使用Nengo时,你可以定义一组神经元,这些神经元之间形成一种对这些表象进行计算的联系。Nengo使用NEF(Neural Engineering Framework)框架用来解决实现这个计算权值的染色体信息关系。Nengo也支持不同的深度学习。Nengo把非常复杂的高水平的感知算法划分成神经元。在这些应用中,Nengo实现了自动控制、视觉注意力,串行召回行为选择的能力,工作记忆的存储,吸引子网络,归纳推理,路径积分,与解决问题的规划。下面就是一个A特征和一个B特征,经过Nengo之后形成一个C类物品。实现人工神经网络的一批输入对应的一批输出,就是Nengo解决的是y=f(x)函数中的f映射关系的问题。

Nengo是机器人实现的一个很好的开源系统。因此,在机器人方面,Nengo的神经网络和神经元高度模拟人的大脑思维方式。

Nengo 神经网络的更多相关文章

  1. Recurrent Neural Network系列1--RNN(循环神经网络)概述

    作者:zhbzz2007 出处:http://www.cnblogs.com/zhbzz2007 欢迎转载,也请保留这段声明.谢谢! 本文翻译自 RECURRENT NEURAL NETWORKS T ...

  2. 神经网络、logistic回归等分类算法简单实现

    最近在github上看到一个很有趣的项目,通过文本训练可以让计算机写出特定风格的文章,有人就专门写了一个小项目生成汪峰风格的歌词.看完后有一些自己的小想法,也想做一个玩儿一玩儿.用到的原理是深度学习里 ...

  3. 马里奥AI实现方式探索 ——神经网络+增强学习

    [TOC] 马里奥AI实现方式探索 --神经网络+增强学习 儿时我们都曾有过一个经典游戏的体验,就是马里奥(顶蘑菇^v^),这次里约奥运会闭幕式,日本作为2020年东京奥运会的东道主,安倍最后也已经典 ...

  4. 卷积神经网络提取特征并用于SVM

    模式识别课程的一次作业.其目标是对UCI的手写数字数据集进行识别,样本数量大约是1600个.图片大小为16x16.要求必须使用SVM作为二分类的分类器. 本文重点是如何使用卷积神经网络(CNN)来提取 ...

  5. 如何用卷积神经网络CNN识别手写数字集?

    前几天用CNN识别手写数字集,后来看到kaggle上有一个比赛是识别手写数字集的,已经进行了一年多了,目前有1179个有效提交,最高的是100%,我做了一下,用keras做的,一开始用最简单的MLP, ...

  6. 用Tensorflow让神经网络自动创造音乐

    #————————————————————————本文禁止转载,禁止用于各类讲座及ppt中,违者必究————————————————————————# 前几天看到一个有意思的分享,大意是讲如何用Ten ...

  7. 一文弄懂神经网络中的反向传播法——BackPropagation

    最近在看深度学习的东西,一开始看的吴恩达的UFLDL教程,有中文版就直接看了,后来发现有些地方总是不是很明确,又去看英文版,然后又找了些资料看,才发现,中文版的译者在翻译的时候会对省略的公式推导过程进 ...

  8. BP神经网络原理及python实现

    [废话外传]:终于要讲神经网络了,这个让我踏进机器学习大门,让我读研,改变我人生命运的四个字!话说那么一天,我在乱点百度,看到了这样的内容: 看到这么高大上,这么牛逼的定义,怎么能不让我这个技术宅男心 ...

  9. [Machine Learning & Algorithm] 神经网络基础

    目前,深度学习(Deep Learning,简称DL)在算法领域可谓是大红大紫,现在不只是互联网.人工智能,生活中的各大领域都能反映出深度学习引领的巨大变革.要学习深度学习,那么首先要熟悉神经网络(N ...

随机推荐

  1. Linux Ctrl+Z的使用方法

    假设你发现前台运行的一个程序需要很长的时间,但是需要干其他的事情,你就可以用 Ctrl-Z ,终止这个程序,然后可以看到系统提示: [1]+ Stopped /root/bin/rsync.sh 然后 ...

  2. CCF 201512-4 送货 (并查集+DFS,欧拉路)

    问题描述 为了增加公司收入,F公司新开设了物流业务.由于F公司在业界的良好口碑,物流业务一开通即受到了消费者的欢迎,物流业务马上遍及了城市的每条街道.然而,F公司现在只安排了小明一个人负责所有街道的服 ...

  3. E20190225-hm

    seal  n. 密封; 印章; 海豹; 封条;   v. 密封; 盖章; 决定; 封上(信封); primitive adj. 原始的; 发展水平低的; 落后的; [生物学] 原生的;  n. 原始 ...

  4. Levenberg-Marquardt

    c++ opencv L-M源码 http://www.shenlejun.cn/article/show.asp?id=97 什么是最优化,可分为几大类? 答:Levenberg-Marquardt ...

  5. 阿里云物联网 .NET Core 客户端 | CZGL.AliIoTClient:4. 设备上报属性

    文档目录: 说明 1. 连接阿里云物联网 2. IoT 客户端 3. 订阅Topic与响应Topic 4. 设备上报属性 4.1 上报位置信息 5. 设置设备属性 6. 设备事件上报 7. 服务调用 ...

  6. 计算机网络自顶向下方法第3章-传输层 (Transport Layer).1

    3.1 概述和运输层服务 运输层协议为运行在不同主机上的应用进程之间提供了逻辑通信(logic communication)功能. 3.1.1 运输层和网络层的关系 网络层提供了主机之间的逻辑通信,而 ...

  7. 给 UILabel 中的文字增加 line-through / Strikethrough (删除线)样式

    iOS 6 中苹果引入了 NSStrikethroughStyleAttributeName 属性,用于设置 NSAttributedString 的删除线样式,用法如下: let attribute ...

  8. 返回零长度的数组或集合,而不是null

    返回零长度的数组或集合,而不是null   像下面的方法并不少见: private final List<Cheese> cheesesInStock = ...; /** * @retu ...

  9. CF1110F Nearest Leaf

    传送门 这是我第二次看见这个题目了,第一次看见是另一场比赛的A题,想了一个小时不会写就弃了 从来没想过这个题能这么玩 线段树上记录根到叶子节点的距离 初始线段树上先记下根节点1到各叶子节点的距离 先离 ...

  10. XML标准和RFC官方文档