贝叶斯信息融合：使用自上而下调节的WTA网络
摘要：获胜者通吃（Winner Take All，WTA）电路是一种脉冲神经网络（Spiking Neural Networks，SNN），有研究表明它有利于大脑以贝叶斯的方式处理信息。研究显示，WTA电路能够通过期望最大化（Expectation Maximization，EM）逼近层次贝叶斯模型。迄今为止，这个方向的研究都集中在自下而上的过程上。这与神经科学证据相反，后者显示除了自下而上的过程外，自上而下的过程也在人类大脑的信息处理中起着关键作用。自上而下的过程所扮演的几个功能包括：注意力的指导、适应期望、促进学习信息的编码和回想，以及形象化。本文探讨了WTA电路是否适合进一步整合用不同WTA网络所表示的信息。此外，研究还探讨了在什么情况下，自上而下的过程可以改善WTA网络在推理和学习方面的性能。结果表明，WTA电路能够整合其他WTA网络所表示的概率信息，并且自上而下的过程可以改善WTA网络的推理和学习性能。值得注意的是，它能够按照关键的神经形态学原则进行操作，使其成为在神经形态学硬件上实现低延迟和高能效的理想选择。
作者：Otto van der Himst, Leila Bagheriye, and Johan Kwisthout
论文ID：2308.15390
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-08-30