差分
このページの2つのバージョン間の差分を表示します。
両方とも前のリビジョン 前のリビジョン 次のリビジョン | 前のリビジョン 最新のリビジョン 両方とも次のリビジョン | ||
全脳モデル:大脳皮質 [2017/04/03 21:01] n.arakawa |
全脳モデル:大脳皮質 [2017/04/03 22:19] n.arakawa |
||
---|---|---|---|
行 23: | 行 23: | ||
時間パターン認識と時間パターンの教師なし学習は[[機械学習: | 時間パターン認識と時間パターンの教師なし学習は[[機械学習: | ||
予測装置としての大脳皮質のモデルにはいくつかのものがあります。 | 予測装置としての大脳皮質のモデルにはいくつかのものがあります。 | ||
- | * HTM | + | * Hierarchical Temporal Memory (HTM) (⇒[[http:// |
- | * PredNet | + | * PredNet |
- | * Fristonらのモデル | + | * Fristonらのモデル |
- | 確率推定を行う機械学習はベイジアンモデルと呼ばれます。深層学習の分野ではベイジアンモデルとして(大脳皮質のモデルとして提案されているわけではありませんが)RBMや変分自己符号器、GANなどの仕組みが研究されています。\\ | + | 確率推定を行うモデルはベイジアンと呼ばれます。深層学習の分野ではベイジアンモデルとして(大脳皮質のモデルとして提案されているわけではありませんが)[[機械学習: |
パターンを想起するモデルは生成モデルとも呼ばれ、予測や確率推定の機能とも関係します。\\ | パターンを想起するモデルは生成モデルとも呼ばれ、予測や確率推定の機能とも関係します。\\ | ||
- | 「共通の機能」をすべて満たす機械学習器が存在するかどうかは議論のあるところです。大脳皮質の構造を直接真似していなくてもよいなら(確率的な)自己符号器を用いたRNNは、ほとんどすべてを満たすものかもしれません。 | + | 「共通の機能」をすべて満たすモデルが存在するかどうかは議論のあるところです。大脳皮質の構造を直接真似していなくてもよいなら(確率的な)自己符号器を用いたRNNは、ほとんどすべてを満たすものかもしれません。 |