【Nature子刊】清华大学邓磊团队：通过互补杂交的自适应时空神经网络

文章预览

【导读】 处理具有高空间维度和丰富时态信息的时空数据源，是机器智能中无处不在的需求。机器学习领域的递归神经网络和神经形态计算领域的生物启发脉冲神经网络，分别是通过外在动力学和内在动力学，处理时空数据的两种有前途的候选模型。在这项研究中，团队提出了通过在统一的代理梯度学习框架和Hessian感知神经元选择方法下，将递归神经网络和脉冲神经网络相结合，来创建的混合时空神经网络。 2024年8月27日， 清华大学精密仪器系邓磊团队在期刊《Nature Communications》上发表了题为“Adaptive spatiotemporal neural networks through complementary hybridization”的研究论文。在这项研究中，团队证明了所提出的网络在不同环境中， 执行机器人任务的巨大潜力。 通过团队的概念验证，所提出的混合模型提供了一种通用的建模路线，用于在开放世界中处理时 ………………………………