模仿大脑突触可塑性的进化神经单元

机器学习技术用于在数学上模拟大脑神经元和神经网络的结构和功能。 人工复制生物神经元非常困难，因为它们非常复杂。

高丽大学的研究人员最近试图通过近似单个突触和神经元来更有效地复制生物神经元的复杂性。 在 Nature Machine Intelligence 上发表的一篇论文中，他们介绍了一个可进化神经元单元 (ENU) 网络，该网络可以适应模仿特定的突触和神经元。

Paul Bertens（参与这项研究的研究人员之一）告诉 TechXplore，这篇论文的灵感来自于生物神经元的复杂性，而且几乎不可能对自然界创造的整个复杂性进行数学建模。 目前用于深度学习的人工神经网络可能非常强大，但它们的行为与生物神经网络不匹配。 我们希望使用现有的人工神经网络模型，不仅可以对大脑进行建模，还可以对每个神经元和突触进行建模。

来源和详细信息：
https://techxplore.com/news/2021-01-evolvable-neural-mimic-brain-synaptic.html