Grid-SD2E：一种认知学习系统中的通用网格反馈
摘要：通过生成的神经信号来理解大脑与外界的相互作用对于确定其工作机制、治疗脑疾病和理解智能至关重要。尽管已经提出了许多理论模型，但迄今为止很难进行整合和发展。在本研究中，我们部分地受到网格细胞的启发，创建了一个更通用和稳健的网格模块，并与贝叶斯推理结合构建了一个交互和自我强化的认知系统，这种方法称为网格分割与勘探-开发反馈 (Grid-SD2E)。在这里，网格模块可用作外界和系统之间的交互介质，也可用作系统内的自我强化介质。空间分割和勘探-开发 (SD2E) 通过其空间分割 (SD) 模块接收网格的0/1信号。本文所描述的系统也是根据其他研究人员的实验和我们在神经解码方面的经验推导出的理论模型。在此基础上，我们分析了系统的合理性，基于神经科学和认知科学的现有理论，并尝试提出特殊和普遍的规则，以解释人与人之间以及人与外界之间的不同交互。更重要的是，基于这个模型，我们提取出了最小的计算单元，类似于大脑中的单个神经元。
作者：Jingyi Feng and Chenming Zhang
论文ID：2304.01844
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-06-21