調控回授網路

調控回授網路（Regulatory feedback networks）是利用負反饋來進行推理的類神經網路。回授不是為了最佳學習或是最佳訓練的權重，是用來找到節點的最佳活化方式（optimal activation of nodes）。

基本介紹

• 中文名：調控回授網路
• 外文名：Regulatory feedback networks
• 學科：電子工程

詳解

調控回授網路（Regulatory feedback networks）是利用負反饋來進行推理的類神經網路。回授不是為了最佳學習或是最佳訓練的權重，是用來找到節點的最佳活化方式（optimal activation of nodes）。此作法的效果類似非參數統計，但和最近鄰居法不同，調控回授網路在數學上已證明可以模擬前饋神經網路。

網路的起源及套用

說起調控回授網路，就必須提到計算神經科學，那么什麼是計算神經科學呢？

計算神經科學專注於生物學上合理的神經元（和神經系統）及其生理學和動力學的描述，因此它不關注生物學上不切實際的學科，如連線主義，機器學習，人工神經網路，人工智慧和計算學習理論。

理論上，計算神經科學將是理論神經科學的一個子領域，它採用計算機模擬來驗證和解決數學模型。然而，由於在神經科學中制定的生物學上可信的數學模型在大多數情況下太複雜而無法通過分析解決，因此這兩個術語基本上是同義詞並且可互換使用。術語數學神經科學有時也用於強調該領域的定量性質。

在計算神經科學中制定的數學模型是有用的，因為它們在多個時空尺度上捕獲生物系統的基本特徵，從膜電流，蛋白質，化學耦合到網路振盪，柱狀和地形結構以及學習和記憶。此外，這些計算模型構建了可以通過生物或心理實驗直接測試的假設。

調控回授網路起源於解釋腦部認知的模型，包括在感官認知中常常會出現網路範圍的簇狀發放以及因相似造成的因難。此作法在數學上可等效分類為前饋法，用作創建及修改網路的工具。