Многозадачное взаимодействие в периодичных динамических процессах по 100 когнитивным задачам

arXiv: 261 030,33926v 1 Annuales Type: кросс-бюллетень: Мозг постоянно учится работе с очень разными вычислительными потребностями. Периодические нейронные сети (RNN) использовались в качестве динамических суррогатных устройств для изучения решений задач, причем недавно эта работа была распространена на совместную подготовку по многоцелевым батареям. Вместе с тем остается неясным, каким образом эти аккумуляторы взаимодействуют по мере роста их масштабов и неоднородности: при каких условиях они перенаправляются или вмешиваются друг в друга и как это воздействие связано со сложностью задач и структурой моделей? Мы изучаем этот вопрос путем одновременной подготовки почти линейных РНН (AL-RNN) по 100 задачам, охватывающим широкий круг когнитивных требований. AL-RNN позволяет нам изменять количество нелинейности при повторении, в то время как иерархические функции обеспечивают низкомерный интерфейс для адаптации к конкретным задачам в рамках общей динамики. На этой аккумуляторной батарее эффективность улучшается при нелинейном потенциале и параметричности задач.