Avertissement : Cette page est une traduction automatique de cette page à l'origine en anglais. Veuillez noter puisque les traductions sont générées par des machines, pas tous les traduction sera parfaite. Ce site Web et ses pages Web sont destinés à être lus en anglais. Toute traduction de ce site et de ses pages Web peut être imprécis et inexacte, en tout ou en partie. Cette traduction est fournie dans une pratique.

Utilisant l'approche d'apprentissage automatique pour se démêler comment le cerveau traite, stocke l'indication visuelle

Les scientifiques de l'institut de Salk (Etats-Unis), le Skoltech (Russie), et le centre de Riken pour la science du cerveau (Japon) ont vérifié un modèle théorique de la façon dont les populations des neurones dans le cortex visuel du cerveau peuvent déceler et les faces de processus et leurs différentes expressions et de la façon dont ils sont dispensés. La recherche était récent publiée dans le calcul neural et a été mise en valeur sur son panneau.

Les êtres humains ont des capacités étonnantes d'identifier un nombre important de différentes faces et interpréter les expressions du visage jaillissent extrêmement. Ces capacités jouent une fonction clé dans des interactions sociales humaines. Cependant, comment l'esprit humain traite et des mémoires une telle indication visuelle complexe est encore mal comprise.

Les scientifiques de Skoltech Anh-Huy Phan et Andrzej Cichocki, avec leurs collègues des USA et du Japon, Sidney Lehky et Keiji Tanaka, ont décidé de comprendre mieux comment le cortex visuel traite et enregistre relatif à l'information à la reconnaissance des visages. Leur approche a été basée sur l'idée qu'une face humaine peut être conceptuellement représentée pendant qu'une collection de parties ou de composantes, y compris les yeux, le sourcil, le nez, la bouche, etc. Utilisant une approche d'apprentissage automatique, ils ont appliqué un algorithme nouvel de tenseur pour décomposer des faces en jeu de composantes ou de tensorfaces appelés d'images ainsi que leurs grammages associés, et ont représenté des faces par des combinaisons linéaires de ces composantes. De cette façon, ils établissent un modèle mathématique décrivant le travail des neurones impliqués en la reconnaissance des visages.

Nous avions l'habitude des décompositions nouvelles de tenseur pour représenter des faces comme ensemble de composantes avec la complexité spécifique, qui peut être interprétée en tant que cellules modèles de face et indiquer que les représentations de face humaine se composent d'un mélange des cellules inférieures et de support-complexité de face. »

Professeur Andrzej Cichocki de Skoltech

Source:
Journal reference:

Lehky, S.R., et al. (2020) Face Representations via Tensorfaces of Various Complexities. Neural Computation. doi.org/10.1162/neco_a_01258.