问题标签 [hierarchical-temporal-memory]

我想知道是否有人知道任何利用生物学的软件技术？例如，在机器人世界中，有很多，但软件呢？

是否有任何开源软件试图实现和模拟人脑（例如智力和感觉）？

我可能对使用分层时间记忆模型来解决我正在研究的研究问题感兴趣。

有没有这方面的开源库？我对语言相当开放，尽管首选 C++、Java 或 Haskell。如果是，有没有人有过他们的经验？

具体来说，他们最近的实施。

http://www.numenta.com/htm-overview/htm-algorithms.php

本质上，我问的是非欧几里得关系，或超过输入维度的模式关系，是否可以通过算法在其当前状态下有效地推断出来？

HTM 在分析模式时使用欧几里得几何来确定“邻域”。一致的框架输入使算法表现出预测行为，并且序列长度实际上是无限的。这个算法学得很好——但我想知道它是否有能力从输入数据中推断出非线性属性。

例如，如果您从 Project Gutenberg 输入整组文本，它将选择一组概率规则，这些规则包括英语拼写、语法和主题中显而易见的特征，例如与单词的性别关联，以及等等。这些是第一级“线性”关系，可以很容易地用逻辑网络中的概率来定义。

非线性关系将是假设和含义的关联，例如“时间像箭一样飞逝，果蝇像香蕉一样”。如果框架正确，句子的歧义会导致对句子的预测解释产生许多可能的含义。

如果算法能够“理解”非线性关系，那么它将能够处理第一个短语并正确识别“Time flies”是在谈论时间做某事，“fruit flies”是一种错误。

这个问题的答案可能很容易找到，但我无法决定任何一种方式。将输入映射到统一的二维欧几里得平面是否排除了数据非线性属性的关联？

如果它不能阻止非线性关联，那么我的假设是您可以简单地改变分辨率、重复和其他输入属性来自动发现非线性关系——实际上，在算法中添加一个“更努力思考”的过程。

我最近遇到了Numenta公司及其软件库NuPIC，它实现了皮质学习算法 (CLA)，这是一种模拟人类学习方式的尝试。

是否有任何其他类似于 NuPIC 的项目（即实现模拟人类学习方式的算法的软件库，即持续和在线）？

我目前正在研究一些图像/视频识别系统。我想基于 NuPIC 构建它。但是我找不到在视觉领域非常重要的多维空间池化器。我应该自己实现多维SP吗？

NuPIC是否有预编译的二进制文件、图像或安装程序？

或者，是否有任何带有 NuPIC 的 Ubuntu 的 ISO 映像？

我正在评估使用 HTM（分层时间记忆）和 CNN（卷积神经网络）进行对象识别的选项。在这种情况下，哪种架构（模型）最合适？

我目前正在处理 R 中的一个数据集，并希望在该数据集上训练一个层次时间记忆，但是，我找不到任何支持 HTM 的包。