我一直在阅读有关前馈人工神经网络(ANN)的信息,通常他们需要通过培训来修改其权重以获得所需的输出。一旦调谐(生物网络不一定)接收相同的输入,它们也将始终产生相同的输出。
然后我开始阅读有关不断发展的神经网络的内容。然而,进化通常涉及将两个亲本基因组重组到一个新的基因组中,没有“学习”,而是通过适应性测试进行重组和验证。
我在想,人类大脑管理它自己的联系。它创造了联系,增强了一些,并削弱了其他人。
是否存在允许这种情况的神经网络拓扑?神经网络一旦发生不良反应,或者相应地调整它的权重,并可能创建随机的新连接(我不确定大脑是如何创建新连接的,但即使我没有,也会产生随机变异的机会)一个新的连接可以减轻这种情况)。一个好的反应会加强这些联系。
我相信这种类型的拓扑被称为图灵B型神经网络,但我还没有看到任何编码示例或论文。
答案 0 :(得分:6)
本文An Adaptive Spiking Neural Network with Hebbian Learning专门论述了新神经元和突触的产生。从介绍:
传统的基于速率的神经网络和更新的尖峰神经网络已被证明对某些任务非常有效,但它们在长期学习和“灾难性遗忘”方面存在问题。一旦网络被训练以执行某些任务,就很难使其适应新的应用程序。 要做到这一点,可以模仿人脑中发生的过程:神经发生和突触发生,或神经元和突触的出生和死亡。为了有效,这必须在维持时完成当前的记忆。
如果你在谷歌搜索关键词'神经发生人工神经网络'或类似的东西,你会发现更多的文章。在cogsci.stackexchange.com上也有类似的question。
答案 1 :(得分:0)