关闭

使用生物神经网络进行时间序列处理 AI 模型的新可能性

在这项研究中,我们将开发一种新的人工智能模型,该模型可以从生物的神经网络结构中学习,并有效地处理随时间变化的数据。心电图、脑电波、传感器数据、天气数据等都是“时间序列数据”,其中过去的信息影响当前和未来的状况。虽然传统的深度学习表现出高性能,但它需要大量的训练数据和大量的计算成本,而且很难理解为什么人工智能会产生这样的结果。在这项研究中,我们将把生物神经系统中发现的连接结构和模块性融入人工智能模型中,探索即使在少量数据下也能稳定学习的时间序列处理方法。通过这一点,我们的目标是实现人工智能不仅具有预测准确性,而且易于理解结果的原因。未来,它有望应用于数据和计算资源有限的智能系统,例如医疗、生物仪器、物联网和机器人。

信息工程学院|助理教授

李自强(李自强、李诗教)

李自强

7 让能源变得触手可及、清洁
9 让我们为产业和技术创新奠定基础

关键字

脑型计算
软计算
时间序列数据处理
储层计算
机器学习

领域/程序

研究类别

信息科学、信息工程

研究主题

  • 考虑生物神经网络结构的人工智能模型的构建

留言

在这项研究中,我们的目标是通过学习生物神经网络,实现即使在数据很少和计算资源有限的情况下也易于使用的时间序列人工智能。在医学、护理、环境观测和物联网设备等领域,并不总是能够拥有大量数据或高性能计算机。如果这项研究取得进展,预计将带来能够使用熟悉的设备快速检测健康状况和环境变化并支持人们安全可靠的生活的技术。另外,我希望通过参考生物的机制,让人们更容易理解人工智能如何做出决策,并为人类和人工智能能够更加信任地合作的社会做出贡献。未来,我希望开发出不仅是专家,任何人都可以放心使用的人工智能技术。