[過去ﾛｸﾞ] (強いAI)技術的特異点/シンギュラリティ171 (1002ﾚｽ)
上下前次1-新
このｽﾚｯﾄﾞは過去ﾛｸﾞ倉庫に格納されています｡
次ｽﾚ検索 歴削→次ｽﾚ 栞削→次ｽﾚ 過去ﾛｸﾞﾒﾆｭｰ
49(1): yamaguti 2019/09/02(月)00:30 ID:SPnkrttr(17/29) AAS
? 永続値が０．３などの閾値
もし 0. 3 など永続値が閾値を超える場合、シナプスの重みは１ 、永続値が閾値以下である場合、シナプスの重みは０ 。
閾値はシナプスの確立を表しますが、容易に消える可能性
? ry 、しきい値の永続値を持つシナプスと同じ効果があります ry 。
永続値が1.0のシナプスは、閾値な永続値なシナプスと同じ効果を持ちますが、それほど簡単には忘れられません。
スカラー永続値を使用すると、ノイズがある場合のオンライン学習が可 。
以前には見られなかった入力パ はノイズかもしれませんまたはそれは将来繰り返される新しい傾向の始まりかもしれません。
?
新 プスを成長 によって ｰクは新 パターンに最初に遭遇したときにそれを学習し始め できるが、新 ｰンのいくつかの提示の後にのみ行動を異にする。
?
しきい値を超えて永続性が増す ことは、他のものよりも経験したパターンは忘れるのにより長くかかる 事を意味します。
? ry ニューロンまたはシナプスの ry 。
ＨＴＭニューロンおよびＨＴＭネッ は、分布したパターンの細胞活性に依存しているので、任意の１つのニューロン又はシナプス、の活性化強度はそれほど重要ではない。
したがって、HTMシミュ では、ニュ 活性化とシナプスの重みを2値 モデル化 。
さらに、生物学的シナプスが確率論的 はよく知られている（Faisal et al。、2008）ので、新皮質理論はシナプス効果の正確さを要求 できない。
? スカラｰ
そうであれどスカラー状態と重みはパフォーマンスを向上 可能性がありますが、理論的な 必須ではなく、 シミュ はそれらがなくてもうまく機能 。
HTMネットワークシミュ 正式な学習規則は、材料と方法 ョンに記 。
上下前次1-新書関写板覧索設栞歴
あと 953 ﾚｽあります
ｽﾚ情報 赤ﾚｽ抽出 画像ﾚｽ抽出 歴の未読ｽﾚ AAｻﾑﾈｲﾙ
ぬこの手 ぬこTOP 0.017s