通过虚拟睡眠刷新神经网络
洛斯阿拉莫斯国家实验室的研究人员发现，经过无中断的无监督自我训练后，尖峰神经网络变得不稳定。而且，这些“人造大脑”在获得等同于一夜安息的休息之后，似乎可以恢复活力。
洛斯阿拉莫斯实验室的计算机科学家Yijing Watkins对实验室新闻部门说的话。
研究小组在努力使他们的神经网络具有学习如何看待的能力的同时做出了这一发现。
加勒特·肯扬（Garrett Kenyon）也是洛斯阿拉莫斯实验室的计算机科学家，他解释说，当开发人员使用具有生物现实意义的尖峰神经形态处理器时，或者在研究处理器以了解生物学本身时，网络就会出现不稳定。
Kenyon说，大多数从事机器学习，深度学习和AI的研究人员“从来没有遇到过这个问题，因为在他们研究的非常人工的系统中，他们具有执行全局数学运算的奢望，这些运算可以调节系统的整体动态增益。”
研究小组计划在神经形态芯片上尝试他们的算法，测试休息时间是否允许芯片稳定地实时处理从硅视网膜发送给它的信息。
该实验室的新闻小组提供：“如果这些发现证实了需要人工大脑进行睡眠，那么我们可能会期望未来可能出现的机器人和其他智能机器也是如此。”
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。
举报投诉
-
神经网络
+关注
关注
42文章
4765浏览量
100575 -
计算机科学
+关注
关注
1文章
142浏览量
11357
发布评论请先 登录
相关推荐
BP神经网络和人工神经网络的区别
BP神经网络和人工神经网络（Artificial Neural Networks，简称ANNs）之间的关系与区别，是神经网络领域中一个基础且重要的话题。本文将从定义、结构、算法、应用及未来发展等多个方面，详细阐述BP
rnn是递归神经网络还是循环神经网络
RNN（Recurrent Neural Network）是循环神经网络，而非递归神经网络。循环神经网络是一种具有时间序列特性的神经网络，能够处理序列数据，具有记忆功能。以下是关于循环
递归神经网络是循环神经网络吗
递归神经网络（Recurrent Neural Network，简称RNN）和循环神经网络（Recurrent Neural Network，简称RNN）实际上是同一个概念，只是不同的翻译方式
循环神经网络和卷积神经网络的区别
循环神经网络（Recurrent Neural Network，RNN）和卷积神经网络（Convolutional Neural Network，CNN）是深度学习领域中两种非常重要的神经网络
深度神经网络与基本神经网络的区别
在探讨深度神经网络（Deep Neural Networks, DNNs）与基本神经网络（通常指传统神经网络或前向神经网络）的区别时，我们需要从多个维度进行深入分析。这些维度包括
卷积神经网络和bp神经网络的区别在哪
结构、原理、应用场景等方面都存在一定的差异。以下是对这两种神经网络的详细比较： 基本结构 BP神经网络是一种多层前馈神经网络，由输入层、隐藏层和输出层组成。每个神经元之间
反向传播神经网络和bp神经网络的区别
反向传播神经网络（Backpropagation Neural Network，简称BP神经网络）是一种多层前馈神经网络，它通过反向传播算法来调整网
如何使用神经网络进行建模和预测
神经网络是一种强大的机器学习技术，可以用于建模和预测变量之间的关系。 神经网络的基本概念 神经网络是一种受人脑启发的计算模型，由大量的节点（神经元）组成，这些节点
bp神经网络是深度神经网络吗
Network）有相似之处，但它们之间还是存在一些关键的区别。 一、引言 神经网络是一种模拟人脑神经元结构的计算模型，它由大量的神经元（或称为节点）组成，这些神经元
bp神经网络和卷积神经网络区别是什么
结构、原理、应用场景等方面都存在一定的差异。以下是对这两种神经网络的比较： 基本结构 BP神经网络是一种多层前馈神经网络，由输入层、隐藏层和输出层组成。每个神经元之间
卷积神经网络的原理是什么
基本概念、结构、训练过程以及应用场景。 卷积神经网络的基本概念 1.1 神经网络 神经网络是一种受人脑神经元结构启发的数学模型，由大量的节点（神经
卷积神经网络和bp神经网络的区别
卷积神经网络（Convolutional Neural Networks，简称CNN）和BP神经网络（Backpropagation Neural Networks，简称BPNN）是两种
神经网络架构有哪些
神经网络架构是机器学习领域中的核心组成部分，它们模仿了生物神经网络的运作方式，通过复杂的网络结构实现信息的处理、存储和传递。随着深度学习技术的不断发展，各种
详解深度学习、神经网络与卷积神经网络的应用
在如今的网络时代，错综复杂的大数据和网络环境，让传统信息处理理论、人工智能与人工神经网络都面临巨大的挑战。近些年，深度学习逐渐走进人们的视线，通过深度学习解决若干问题的案例越来越多。一
卷积神经网络的优点
传统的神经网络模型，卷积神经网络具有以下优点。 1. 局部连接和权值共享：卷积神经网络通过设置局部连接和权值共享的结构，有效地减少了神经网络
工商网监
评论