機器智慧型的連續吸引子方法

《機器智慧型的連續吸引子方法》是依託四川大學，由章毅擔任項目負責人的面上項目。

基本介紹

• 中文名：機器智慧型的連續吸引子方法
• 項目類別：面上項目
• 項目負責人：章毅
• 依託單位：四川大學

項目摘要

計算神經科學的最新研究成果表明：連續吸引子在很大程度上刻劃了大腦進行信息處理的某些重要的本質機制。連續吸引子模型已被成功用於存儲和表達大腦對連續變數信息的處理，如物體運動方向或空間位置等信息。科學家們已經認識到：生物體的許多智慧型行為可以由連續吸引子來解釋。機器智慧型是研究用機器模擬生物體智慧型行為的學科，無疑，連續吸引子方法是研究機器智慧型的一種重要途徑。當前，在國際上，機器智慧型的連續吸引子方法才剛剛開始，許多基本理論尚未建立，相應的理論與分析工具還十分欠缺。本項目的目標是要努力建立一套機器智慧型連續吸引子方法的基礎理論與分析方法，為機器智慧型的研究注入新的活力。其研究內容包括：建立系統完整的連續吸引子概念；建立連續吸引子網路產生連續吸引子的內在機制；建立研究連續吸引子的基本理論和方法；研究連續吸引子在機器智慧型，如流形學習、機器視覺等中的套用。這些問題的解決必將進一步推動機器智慧型的發展。

結題摘要

目前，關於連續吸引子的許多文獻中，連續吸引子實際是指網路平衡態連續分布的情形。其實，這是對連續吸引子非常初級和不完整的定義。事實上，連續吸引子應該具備下面的性質：（a）連續吸引子是由網路平衡態構成的連通的集合；（b）連續吸引子必須具備某種吸引性。本項目成功建立了一套機器智慧型連續吸引子方法的基礎理論與分析方法，為機器智慧型的研究注入了新的活力。內容包括：建立了系統完整的連續吸引子概念；建立了連續吸引子網路產生連續吸引子的內在機制；建立了研究連續吸引子的基本理論和方法；研究了連續吸引子在機器智慧型，如流形學習、機器視覺等中的套用。 大量的研究表明，有限以及無窮個神經元（至少神經元個數也要充分大）的網路中存在連續吸引子，並且在網路具有對稱性時，可以得到吸引子清晰的數學表達式，吸引子的吸引子性問題也可以得到完整的數學證明。但是，每種網路得到的吸引子往往都只有一個，通過進一步對連續吸引子的表達方法以及吸引性問題進行研究，我們發現在一個網路當中可以有多個吸引子的存在。而從大腦存儲記憶的層面來說，這一發現也進一步驗證了“連續吸引子是大腦信息處理的主要機制”的生物學假設。根據目前連續吸引子研究成果得知，連續吸引子的學習規則問題沒有得到徹底的解決，我們通過利用連續模式之間的相關矩陣，直接利用Hebb-Learning學習方法得到網路的連續吸引子及權值。為研究連續吸引子在機器智慧型中的套用問題，我們選擇了HTM（Hierarchical Temporal Memory）模型並對該模型進行了大量的研究，並在此基礎上與連續吸引子神經網路的特性相結合，提出了新的記憶-預測模型，從而為進一步實現連續吸引子在機器智慧型中的套用奠定了基礎。