BrainCog：基于脑启发认知智能引擎的脉冲神经网络用于脑启发人工智能和脑模拟
摘要：脉冲神经网络在脑启发式人工智能和计算神经科学中受到广泛关注。它们可以用来模拟大脑中的生物信息处理的多个层面。更重要的是，脉冲神经网络作为一种适当的抽象层次，可以从大脑和认知中获得灵感，并应用于人工智能。在本文中，我们介绍了一个名为BrainCog的用于创建脑启发式人工智能和脑模拟模型的大脑启发式认知智能引擎。BrainCog集成了不同类型的脉冲神经元模型、学习规则、脑区等作为平台提供的基本模块。基于这些易于使用的模块，BrainCog支持各种脑启发式的认知功能，包括感知与学习、决策制定、知识表示与推理、运动控制和社会认知。这些脑启发式人工智能模型已经成功应用于各种有监督、无监督和强化学习任务，并且可以用于使人工智能模型具有多种脑启发式的认知功能。对于脑模拟，BrainCog实现了决策制定的功能模拟、工作记忆、神经回路的结构模拟以及小鼠大脑、猕猴大脑和人类大脑的整个脑结构模拟。在BrainCog的基础上开发了一种名为BORN的人工智能引擎，并展示了如何集成和使用BrainCog的组件来构建人工智能模型和应用程序。为了解码生物智能的本质并创建人工智能，BrainCog旨在提供基本和易于使用的构建模块和基础设施支持，以开发基于脉冲神经网络的脑启发式人工智能，并在多个层次上模拟认知大脑。BrainCog的在线仓库可在https://github.com/braincog-x找到。
作者：Yi Zeng, Dongcheng Zhao, Feifei Zhao, Guobin Shen, Yiting Dong, Enmeng Lu, Qian Zhang, Yinqian Sun, Qian Liang, Yuxuan Zhao, Zhuoya Zhao, Hongjian Fang, Yuwei Wang, Yang Li, Xin Liu, Chengcheng Du, Qingqun Kong, Zizhe Ruan, Weida Bi
论文ID：2207.08533
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-07-13