反馈与神经变异性结合提升循环视觉模型鲁棒性

Greco 等人的研究显示，在循环视觉模型中，把自上而下反馈与通过 dropout 引入的神经变异性结合，可以提升模型感知的稳健性。 研究称，神经变异性可防止单元级共适应，反馈通路则把群体活动稳定在紧凑的低维表征中；二者共同作用，为人工视觉系统泛化到分布外条件提供了设计原则。这一机制也被认为有助于解释生物视觉系统如何在不确定性下实现稳健感知推断。

AI 根据报道生成 · 6 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。