Modello neuronale realistico migliora le prestazioni dell'IA senza parametri aggiuntivi
Un nuovo studio sostituisce il modello standard di neurone puntuale nelle reti neurali artificiali (ANN) con un modello cellulare corticale più realistico, ottenendo guadagni in espressività, robustezza e velocità di apprendimento, riducendo al contempo la memorizzazione e i requisiti di dati. Il modello di neurone puntuale, adottato dalle neuroscienze degli anni '50, è noto da decenni per essere eccessivamente semplificato, ma è rimasto il default nelle ANN. La sostituzione, dettagliata in un preprint su arXiv, non aumenta il numero di parametri. Il lavoro è classificato sotto Neural and Evolutionary Computing.
Fatti principali
- Il modello standard di neurone puntuale nelle ANN risale agli anni '50.
- Le neuroscienze hanno da tempo dimostrato che il modello di neurone puntuale è troppo semplicistico.
- Il nuovo modello utilizza un recente modello cellulare corticale.
- Nessun aumento del numero di parametri.
- I vantaggi includono maggiore espressività, robustezza e velocità di apprendimento.
- Riduzione della memorizzazione e dei dati di addestramento necessari.
- Analisi teoriche e risultati sperimentali supportano le scoperte.
- Preprint disponibile su arXiv.
Entità
Istituzioni
- arXiv