循环视觉模型中自上而下反馈与神经变异性实现稳健推断

Greco 等发现，循环视觉模型中将自上而下反馈与 dropout 引入的神经变异性结合，可提升感知稳健性。神经变异性防止单元级共适应，反馈通路则将群体活动稳定在紧凑的低维表征中。二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感知推断，并为可泛化到分布外条件的人工视觉系统提供设计原则。