Patterns· Antonino Greco, Marco D’Alessandro, Karl J. Friston, Giovanni Pezzulo, Markus Siegel·AI 评分39
循环视觉模型中自顶向下反馈与神经变异性实现稳健推断
Robust inference via top-down feedback and neural variability in recurrent vision models

AI 导读
Greco 等在小鼠实验中显示,自顶向下反馈与经 dropout 引入的神经变异性结合,可提升循环视觉模型的感知稳健性。神经变异性阻止单元级共适应,反馈通路则将群体活动稳定在紧凑的低维表征中。两者相互作用提示生物视觉系统如何在不确定性下实现稳健的知觉推断,并为可在分布外条件下泛化的人工视觉系统提供设计原则。
来源:Patterns · cell.com