Usando el aprendizaje de máquina acerqúese para desenredar cómo el cerebro tramita, salva la información visual

Los científicos del instituto de Salk (los E.E.U.U.), Skoltech (Rusia), y centro de Riken para la ciencia de cerebro (Japón) investigaron un modelo teórico de cómo las poblaciones de neuronas en la corteza visual del cerebro pueden reconocer y las caras de proceso y sus diversas expresiones y de cómo los ordenan. La investigación fue publicada en el cómputo de los nervios y destacada recientemente sobre su tapa.

Los seres humanos tienen capacidades asombrosas de reconocer un gran número de caras individuales e interpretar las expresiones faciales manan extremadamente. Estas capacidades desempeñan un papel dominante en acciones recíprocas sociales humanas. Sin embargo, cómo el cerebro humano tramita y los almacenes tal información visual compleja es todavía mal entendida.

Los científicos Anh-Huy Phan y Andrzej Cichocki de Skoltech, con sus colegas de los E.E.U.U. y del Japón, Sidney Lehky y Keiji Tanaka, decidían entender mejor cómo la corteza visual tramita y salva relacionado con la información al reconocimiento de cara. Su aproximación fue basada en la idea que un rostro humano se puede representar conceptual mientras que una colección de partes o de componentes, incluyendo aros, la ceja, la nariz, la boca, el etc. Usando una aproximación del aprendizaje de máquina, aplicaron un algoritmo nuevo del tensor para descomponer caras en un equipo de componentes o las imágenes llamaron tensorfaces así como sus pesos asociados, y representaron caras por combinaciones lineales de esos componentes. De esta manera, construyen un modelo matemático que describe el trabajo de las neuronas implicadas en el reconocimiento de cara.

Utilizamos descomposiciones nuevas del tensor para representar caras como equipo de componentes con la complejidad especificada, que puede ser interpretada como células modelo de la cara e indicar que las representaciones del rostro humano consisten en una mezcla de las células inferiores y de la ambiente-complejidad de la cara.”

Profesor 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.