• 教授人工智能

• 研究组推介模型驱动方法 探索视觉感知和认知当前视觉学研究积累了大量实验数据基础过程变得非常复杂 数据无法简单解析 需要更多研究 以神经计算模型形式构建理论基础模型我们感兴趣的, 尝试捕捉时间动态 基本机制 和过程在脑中研究目标三重i) 我们想用单一模型连接不同的实验观察 开发公共基本机制二)通过协作测试模型实验预测模型装饰高功能 并进不同的脑区 将增加更多影响 引导研究验证模型有效性的方法还包括观察模型实战性能,如对象/类别识别我们相信神经生物方法为未来的计算机视觉解决方案提供巨大潜力

• Peri学士空间感知

• 
• 当我们看场景时,我们感觉我们从视觉世界所有细节和丰富性中感知世界是什么引导我们体验视觉空间 并如何整合视觉运动甚至在学分启动前,使用短闪imuli研究显示感知变化,如压缩视觉空间神经机制对“压缩”负责,开发神经计算模型 以指导这一领域的研究
  
  模型(见Hamker等,SPLOS CompBiol,按键)由两层组成图层1编码显示刺激状态为循环坐标系活动群,并计及RF大小放大流水体变换或注意力反馈信号集合变换人口表示图层2 并用于判定感知位置

• 注意力集中

• 
• 视觉提供丰富的信息集合 关于我们环境视觉难点产生,因为图像中信息不显眼,它必须主动构建早期算法偏向自下而上方法,即将图像转换为世界内部表示法,而最近算法则则寻找替代方法并开发框架使用自上而下连接法紧接后一线研究后,我们概述认知是一个主动过程:前端规划阶段在早期阶段修改感知构建环境输入所需信息研究结果产生新颖方法,称为“基于人口的推理”。模型预测实验大规模模型自然场景感知
  
  最小交互脑区集轮廓模型区限初级但典型过程,不复制这些地区所有特征箭头表示已知解剖区域间关联,这些关联与模型相关向模型发送前向输入的区域没有明文建模框中的标签表示实施区模拟模型区平面每一盒表示细胞群组成这些群是一个时空动态过程自下向上(驱动)连接用黄箭表示,自上向下(调制式)连接显示为红箭V4和其他地区的两个框表示我们模拟二维性(例如并发式FEF跨维

• 类别/对象识别

• 
• 基于我们早先研究概念主动模式生成,我们的目标是将注意力和对象识别合并成单连通网络展示自然场景对对象识别性能,为理解视线是一个建设性进程迈出重要一步。学习前向反馈权重将生成模型单元,编译层次越大视觉场和复杂刺激特性反馈允许解决模棱两可问题并显示视觉细节这个项目由DFG资助
  
  
  透视路径模型 前视场对注意力和对象识别从图像中获取不同的特征地图(颜色和方向),每个位置的特征都用人口代码表示其常识学习FeedwardW和反馈权 A连接区

• 认知控制视觉感知

• 
• 早期研究通过主动自上而下定向推理过程正式化感知,目标模版由任务协调所涉领域学习并维护学习适当模板并及时激活,即认知引导视觉,将在以奖励为基础的假想中实现在这方面,我们的目标是开发前端皮层和子层结构互动模型,以生成目标模板并从而引导视觉进程研究项目得到DFG支持
  
  
  A)模型功能素描我们建议视觉感知解决方案必须灵活考虑先知常识可引导视觉对象或判断视觉场景中残留内存的方面两种情况都使用未来信号(我们称目标模版)提高相关输入的表示性视觉搜索环境 自上而下信号引导视觉 通过自下而下连接在其他情况下,信号确定场景相关方面并须与当前任务绑定
  
  B) 概述该模型在脑中如何实现注意力、对象识别和分类学习视觉部分执行匹配检测和视觉选择视觉认知部分确保及时学习并激活正确模板简洁性方面,通风路径上的一些区域在可比水平上加以考虑,并用单地图描述(例如:V1/V2区域间联系通常是双向式的

• 屏蔽感知

• 
• 研究自觉视觉感知的动态方面 即简单显示刺激 和可能神经基础构件为视觉感知核心概念得到了后向掩码结果的有力支持。我们特别建议知觉与闭合Thalamo-cortical循环相联

• ANNARCHY人工神经网络架构师

• 
• 
  Annarchy模拟分布平均率或sping神经网络库核心写入C++并提供Python界面当前开发版为3.0, 不久将发布GNUGPL
  Annarchy模拟分布式和生物似然神经网络,这意味着神经元只能通过连接其他神经元获取本地信息,但不能获取全局信息,像整个网络状态或连接其他神经元一样原则上,生物不可替换机制,如反向调整和优胜者全取并不适合模拟器
  
  架构设计
  Annarchy专门面向神经网络学习能力主对象AnnarNetwork集合人工神经元相联多组每一群由一组相似人工神经元Annaneuron组成,该神经元激活由各种微分方程决定神经元激活取决于网络上的其他神经元之一,并接收网络连接(通过突触,AnnarWeight)
  神经元接收连接存储于不同的数组中,视分配类型而定:现实神经元不平等地整合所有输入量,但根据神经传输器类型(AMPA、NMDA、GABA、Dopani每一种连接可分离修改神经元激活
  等相连接式组织还允许很容易地应用不同的学习规则(Hebbian、反Hebbian、dopamine调制STDP.) 学习规则定义为annarLearning规则类并可复用到不同的网络中
  代表外部世界的类AnnarWorld允许网络以输入/输出方式与其环境交互作用(检索输入图像,执行动作.)

• 模拟神经代理虚拟现实

• • 
  • • 实验项目的目标是模拟综合认知模型 人脑开发每一个代理都像人一样外观、属性和行为因此,这个项目建立向技术系统转移像脑算法
      
      系统化
      神经代理物和虚拟环境模拟成分布式专用设备代理拥有人所有主要能力, 并有能力执行简单动作如移动或跳跃, 移动双眼和头部并显示情感面部表达式代理自发学习行为基于他们的动作 和他们的感官后果环境VR引擎包含初级动作和物理引擎小动作(像伸展臂)由VR引擎动画,神经模型则控制高层次动作选择像抓取特定对象
      调查神经代理器与用户的交互作用 世界将包括用户控制avatars个人通过适当的VR界面接收感知信息,例如视觉信息将由投影系统提供用户还能够与环境交互作用,通过跟踪脸部和四肢收集必要的运动信息面部跟踪特别用于检测用户情感 调查人与神经代理之间的情感通信
      技术设备由几个子部件组成:虚拟现实引擎、神经模拟集群模拟代理脑和沉浸式投影系统映射人类用户到avatars集群本身将能够并行模拟数个神经元模型,允许我们使用多试机搭建系统。 集群将由NVidiaCUDA加速卡(硬件层)和神经模拟框架Annarchy(软件层)组成

• 情感感知

• • 
  • • While classical theories systematically opposed emotion and cognition, suggesting that emotions perturbed the normal functioning of the rational thought, recent progress in neuroscience highlights on the contrary that emotional processes are at the core of cognitive processes, directing attention to emotionally-relevant stimuli, favoring the memorization of external events, valuating the association between an action and its con- sequences, biasing decision making by allowing to compare the motivational value of different goals and, more generally, guiding behavior towards fulfilling the needs of the organism.