用于形成自动技能的神经网络架构,第一部分
本文提出了一种模拟人类将新动作转化为自动习惯过程的神经网络架构。该架构包括一个新颖性分类器、一个意识网络、一个生成网络和一个潜意识网络,目标是通过生成的示例将新技能从意识层转移到潜意识层。初始实验重点关注对简单几何形状的分类。
这篇论文介绍了一种受人类习惯形成机制启发的神经架构,正如詹姆斯·克利尔的《掌控习惯》所描述的那样,即行动在重复后变得自动。该系统有四个主要组成部分:一个新颖性分类器、一个有意识网络、一个生成网络和一个潜意识网络,外加一个外部验证器。输入的几何形状图像首先被分类为新颖或熟悉。新颖图像进入有意识网络,该网络通过强化学习。在得到正确答案后,生成网络会创建成功示例的变体,这些变体用于微调潜意识网络,使技能变得自动。实验涉及识别圆形、正方形、三角形、十字形和星形,其中后两种最初是未见过的。潜意识网络在最初三种形状上进行了预训练,新颖性分类器被训练为将它们视为熟悉的。当出现十字形时,它被引导到有意识网络,该网络必须正确分类,然后生成网络产生许多合成示例来训练潜意识。训练后,新颖性分类器被更新,使十字形变得熟悉,并且潜意识直接处理它们。论文概述了成功标准:减少对有意识网络的调用,提高潜意识对新变体的准确性,保留旧技能,以及降低对已学习形状的新颖性。该架构有意保持简单以供初步测试,未来计划涉及更复杂的任务和一个智能体。
来源: Habr — хаб ML —
原文
