★ 2
计算建模解码混合气味感知
研究提出一种仿生深度学习框架，用于混合物气味感知识别。通过构建分子-受体神经响应曲线，并融合注意力加权的多受体与浓度依赖的多分子曲线，模拟混合物组分的竞争激活与协同整合。模型在评估中达到 92.2% 准确率，可集成到具身认知系统中增强智能体感知能力。
arXiv cs.LG49 天前
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究提出一种仿生深度学习框架，用于混合物气味感知识别。通过构建分子-受体神经响应曲线，并融合注意力加权的多受体与浓度依赖的多分子曲线，模拟混合物组分的竞争激活与协同整合。模型在评估中达到 92.2% 准确率，可集成到具身认知系统中增强智能体感知能力。
研究将双语词汇计算模型 BiLex 扩展为带兴奋性与抑制性侧连接的自组织映射，提升生物真实性。该模型在波士顿命名测试的西班牙语与英语模拟中，可复现双语者的命名准确率与错误类型，并解释反应时间。作者认为此类模型未来可用于建模语言障碍与治疗方案。