Нейронные сети как основа распознавания образов: новый взгляд

Живая корковая сеть, интегрированная в систему резервуарных вычислений, преобразует пространственно-распределенные электрические стимулы в высокоразмерные нейронные представления, позволяя использовать биологический субстрат в качестве физического резервуара для задач статического распознавания образов, где входные символы кодируются паттернами электрической стимуляции, а линейный модуль считывания обучается отображать состояния резервуара в соответствующие классы входных данных.

Исследование демонстрирует принципиально новый подход к распознаванию визуальных паттернов, вдохновленный работой биологических нейронных сетей и реализованный на основе резервуарного вычисления.

Управление взаимодействием человека и объектов: новый подход к реалистичным манипуляциям

Единая модель InterPrior, обученная на наборе данных OMOMO[28], демонстрирует способность к обобщению на ранее не встречавшиеся объекты и взаимодействия из наборов данных BEHAVE[3] и HODome[96], подтверждая её потенциал в задачах переноса обучения.

Исследователи разработали систему, позволяющую создавать более естественные и универсальные взаимодействия человека с окружающими предметами в виртуальной среде.