Реклама

Местное обучение - это все, что вам нужно: системы прогнозирования с учетом мозга

#Местное #Annuate #Type #Express #Previsive

arXiv: 2610.37327v1 Annuate Type: New Express: Previsive Coding (PC) — важный отчет о том, как происходит представление мозга через иерархическое и местное обучение на основе самоконтроля, не требуя глобального распространения сигналов об ошибках. Несмотря на наличие обширных доказательств в поддержку ПК, по-прежнему сохраняется поразительный парадокс: вычислительные модели, основанные на этих биологически обоснованных принципах, постоянно не соответствуют современным глубоким нейронным сетям с точки зрения функционирования и ориентации мозга. Здесь мы показываем, что этот парадокс можно преодолеть. Мы внедряем систему прогнозирования мозга (PBNs) — иерархическую регулярную структуру, которая обеспечивает обучение на основе PC и обеспечивает репрезентативное согласование с брюшной визуал-потоком человека или превышает установленные модели зрения. Важно отметить, что PBN-сверху вниз кодирует уникальную информацию о смещении мозга, не собранную в процессе извлечения объектов снизу вверх, причем этот вклад возрастает при подготовке местных вариантов. Фёрт

Количественная биология > Нейроны и когнитив [представлен 27 октября 2026 года] Название: Местное обучение - это все, что вам нужно. Несмотря на наличие обширных доказательств в поддержку ПК, по-прежнему сохраняется поразительный парадокс: вычислительные модели, основанные на этих биологически обоснованных принципах, постоянно не соответствуют современным глубоким нейронным сетям с точки зрения функционирования и ориентации мозга. Здесь мы показываем, что этот парадокс можно преодолеть. Мы внедряем систему прогнозирования мозга (PBNs) — иерархическую регулярную структуру, которая обеспечивает обучение на основе PC и обеспечивает репрезентативное согласование с брюшной визуал-потоком человека или превышает установленные модели зрения. Важно отметить, что PBN-сверху вниз кодирует уникальную информацию о смещении мозга, не собранную в процессе извлечения объектов снизу вверх, причем этот вклад возрастает при подготовке местных вариантов. Кроме того, PBN значительно превосходят существующие сети с использованием ПК в целях классификации ниже по течению, воспроизводят ключевые подписи персональных компьютеров (с более высокими прогнозами, формирующими менее высокий уровень визуальной реакции, как это было отмечено в коре приматов), и поддерживают оценку факторов неопределенности. Таким образом, PBN ликвидируют давний пробел в вычислительной нейрофизике путем объединения двух свойств, которые были в значительной степени разделены: механизмов обучения с помощью мозга на основе…