7,129
个编辑
更改
跳到导航
跳到搜索
第122行：
第122行： − − 其中，<math>E^{total}</math>是神经网络的总能量函数，而 <math>\varepsilon^{KN}_{knm}</math>是生成模型前和后随时间变化的预测误差。 − − − 比较这两个模型的结果发现他们之间有显著的相似性，同时指出了一个显著的差异，即在SAIM的标准版本中，模型的重点主要是兴奋性连接，而在PE-SAIM中，抑制性连接将被用来进行推断。该模型对人体实验的脑电和功能磁共振数据具有较高的预测精度。 +
→感性推理与分类
自由能最小化使知觉中的[[无意识推理]]概念正式化<ref name="Helmholtz" /><ref name="Dayan" />并提供了神经元处理的规范（贝叶斯）理论。神经元动力学的相关过程理论是基于通过梯度下降最小化自由能。这对应于[[广义滤波|广义贝叶斯滤波]]（其中~表示广义运动坐标中的变量，<math>D</math>是一个导数矩阵运算符）：<ref>Friston, K., Stephan, K., Li, B., & Daunizeau, J. (2010). [http://www.fil.ion.ucl.ac.uk/~karl/Generalised%20Filtering.pdf Generalised Filtering]. Mathematical Problems in Engineering, vol., 2010, 621670</ref>
自由能最小化使知觉中的[[无意识推理]]概念正式化<ref name="Helmholtz" /><ref name="Dayan" />并提供了神经元处理的规范（贝叶斯）理论。神经元动力学的相关过程理论是基于通过梯度下降最小化自由能。这对应于[[广义滤波|广义贝叶斯滤波]]（其中~表示广义运动坐标中的变量，<math>D</math>是一个导数矩阵运算符）：<ref>Friston, K., Stephan, K., Li, B., & Daunizeau, J. (2010). [http://www.fil.ion.ucl.ac.uk/~karl/Generalised%20Filtering.pdf Generalised Filtering]. Mathematical Problems in Engineering, vol., 2010, 621670</ref>
: <math>\dot{\tilde{\mu}} = D \tilde{\mu} - \partial_{\mu}F(s,\mu)\Big|_{\mu = \tilde{\mu}}</math>
: <math>\dot{\tilde{\mu}} = D \tilde{\mu} - \partial_{\mu}F(s,\mu)\Big|_{\mu = \tilde{\mu}}</math>
通常，定义自由能的生成模型是非线性和层次结构的（就像大脑中的皮层层次结构）。广义滤波的特殊情况包括[[Kalman filter]]ing，它在形式上等价于[预测编码]]<ref>Rao, R. P., & Ballard, D. H. (1999). [https://www.cs.utexas.edu/users/dana/nn.pdf Predictive coding in the visual cortex: a functional interpretation of some extra-classical receptive-field effects]. Nat Neurosci. , 2 (1), 79–87.</ref> 一种关于大脑中信息传递的流行隐喻。在分层模型下，预测编码涉及到上升（自下而上）预测错误和下降（自上而下）预测的循环交换<ref name="Mumford">Mumford, D. (1992). [http://cs.brown.edu/people/tld/projects/cortex/course/suggested_reading_list/supplements/documents/MumfordBC-92.pdf On the computational architecture of the neocortex]. II. Biol. Cybern. , 66, 241–51.</ref>这与感觉器官的解剖学和生理学<ref>Bastos, A. M., Usrey, W. M., Adams, R. A., Mangun, G. R., Fries, P., & Friston, K. J. (2012). [http://www.fil.ion.ucl.ac.uk/~karl/Canonical%20Microcircuits%20for%20Predictive%20Coding.pdf Canonical microcircuits for predictive coding]. Neuron , 76 (4), 695–711.</ref>以及动力系统<ref>Adams, R. A., Shipp, S., & Friston, K. J. (2013). [http://www.fil.ion.ucl.ac.uk/~karl/Predictions%20not%20commands%20-%20active%20inference%20in%20the%20motor%20system.pdf Predictions not commands: active inference in the motor system]. Brain Struct Funct. , 218 (3), 611–43</ref>是一致的。
通常，定义自由能的生成模型是非线性和层次结构的（就像大脑中的皮层层次结构）。广义滤波的特殊情况包括[[Kalman filter]]ing，它在形式上等价于[预测编码]]<ref>Rao, R. P., & Ballard, D. H. (1999). [https://www.cs.utexas.edu/users/dana/nn.pdf Predictive coding in the visual cortex: a functional interpretation of some extra-classical receptive-field effects]. Nat Neurosci. , 2 (1), 79–87.</ref> 一种关于大脑中信息传递的流行隐喻。在分层模型下，预测编码涉及到上升（自下而上）预测错误和下降（自上而下）预测的循环交换<ref name="Mumford">Mumford, D. (1992). [http://cs.brown.edu/people/tld/projects/cortex/course/suggested_reading_list/supplements/documents/MumfordBC-92.pdf On the computational architecture of the neocortex]. II. Biol. Cybern. , 66, 241–51.</ref>这与感觉器官的解剖学和生理学<ref>Bastos, A. M., Usrey, W. M., Adams, R. A., Mangun, G. R., Fries, P., & Friston, K. J. (2012). [http://www.fil.ion.ucl.ac.uk/~karl/Canonical%20Microcircuits%20for%20Predictive%20Coding.pdf Canonical microcircuits for predictive coding]. Neuron , 76 (4), 695–711.</ref>以及动力系统<ref>Adams, R. A., Shipp, S., & Friston, K. J. (2013). [http://www.fil.ion.ucl.ac.uk/~karl/Predictions%20not%20commands%20-%20active%20inference%20in%20the%20motor%20system.pdf Predictions not commands: active inference in the motor system]. Brain Struct Funct. , 218 (3), 611–43</ref>是一致的。
<br>
===知觉学习与记忆===
===知觉学习与记忆===