研究不同神經元在人工神經網絡中的作用

在過去的大約十年中，全世界的研究人員一直在開發越來越先進的人工神經網絡(ANN)，這些計算方法旨在復制人腦的生物學機制和功能。盡管其中一些網絡在各種任務中均取得了顯著成果，但其預測所依據的決策過程并不總是很清楚。

德國數字轉換技術與管理研究所和機械工程信息管理研究所的研究人員最近進行了一項研究，旨在更好地理解ANN決策過程的基礎機制。他們的發現(在arXiv上預先發表的一篇論文中概述)揭示了這些網絡中單個神經元和不同神經元種群的作用。

“我們的最新研究是基于我們以前的工作，其中我們描述了人工神經網絡中單個神經元對其學習任務的重要性，”進行這項研究的研究人員之一理查德•梅耶斯(Richard Meyes)告訴TechXplore。“在我們的新研究中，我們將研究范圍擴大到更大的神經元組，目的是確定功能性神經元群體，其中所包含的單元共同起作用以解決網絡的訓練任務。”

為了研究不同神經元在人工神經網絡中的作用，Meyes和他的同事從神經科學研究中常用的技術中汲取了靈感。他們的最終目標是通過觀察網絡在受到不同刺激時的表現來表征網絡隨時間推移而獲得的表征，同時還激活或停用其某些神經元以更好地了解它們在處理這些刺激中的作用。

“簡而言之，我們詢問網絡是否對特定圖像做出反應以顯示特定的活動模式，并調查了網絡中哪些神經元對這些活動模式有所貢獻，” Meyes解釋說。“我們還使用網絡消融從網絡中剔除單個神經元和神經元組，以確定這些神經元在創建這些活動模式中所起的作用。”

他們基于神經科學的方法使Meyes和他的同事收集了許多有趣的觀察結果。最值得注意的是，研究人員確定了具有不同功能的神經元群體。他們還發現，某些神經元組在對特定類型的刺激做出反應時會共同起作用，或者使某些神經元失活(即消融)對ANN的整體表現具有相似的影響。