更改

跳到导航 跳到搜索
删除1字节 、 2021年7月18日 (日) 22:53
第138行: 第138行:     
优化精度参数对应于优化预测误差的增益(参见Kalman增益)。在预测性编码的神经元似是而非的实现中,<ref name="Mumford" />这对应于优化浅表锥体细胞的兴奋性,并被解释为注意增益。<ref name="Feldman">Feldman, H., & Friston, K. J. (2010). [http://www.fil.ion.ucl.ac.uk/~karl/Attention%20uncertainty%20and%20free-energy.pdf Attention, uncertainty, and free-energy]. Frontiers in Human Neuroscience, 4, 215.</ref>
 
优化精度参数对应于优化预测误差的增益(参见Kalman增益)。在预测性编码的神经元似是而非的实现中,<ref name="Mumford" />这对应于优化浅表锥体细胞的兴奋性,并被解释为注意增益。<ref name="Feldman">Feldman, H., & Friston, K. J. (2010). [http://www.fil.ion.ucl.ac.uk/~karl/Attention%20uncertainty%20and%20free-energy.pdf Attention, uncertainty, and free-energy]. Frontiers in Human Neuroscience, 4, 215.</ref>
      
[[file:PESAIM.jpg|thumb|400px|在多目标环境下,通过对名为PE-SAIM的SAIM进行贝叶斯重构,模拟选择性注意任务的结果。图表显示了知识网络中FOA和两个模板单元激活的时间过程。]]
 
[[file:PESAIM.jpg|thumb|400px|在多目标环境下,通过对名为PE-SAIM的SAIM进行贝叶斯重构,模拟选择性注意任务的结果。图表显示了知识网络中FOA和两个模板单元激活的时间过程。]]
7,129

个编辑

导航菜单