最新资讯MIT神经网络重现生物视觉系统再创佳绩发表在自然神经科学上并于NeurIPS Oral会中获

最新资讯：MIT研究团队在NeurIPS 2019会议上展示了一个神经网络模型，它能够模拟生物视觉系统的物体识别能力，取得了显著的成果。这个模型名为CORnet-S，是一个浅层的人工神经网络，其结构与大脑中的四个关键区域相对应，并且包含循环信号连接。这项研究不仅在机器学习领域获得认可，而且还被认为对理解人类大脑如何进行物体识别有重要意义。

此外，James DiCarlo教授团队也在《Nature Neuroscience》期刊上发表了一篇论文，探讨了循环结构在核心物体识别行为中的作用。他们发现，在处理具有挑战性的图像时，大脑中颞下皮层的响应延迟超过30毫秒，而深度卷积神经网络却难以预测这种延迟，这强调了循环结构对于快速物体识别的重要性。

这些研究成果显示出人工智能和神经科学之间紧密的联系，以及通过模仿生物视觉系统来改进机器学习算法的潜力。