Hierarkiskt temporärt minne

Den aktuella versionen av sidan har ännu inte granskats av erfarna bidragsgivare och kan skilja sig väsentligt från versionen som granskades den 2 augusti 2019; kontroller kräver 2 redigeringar .

Hierarchical Temporal Memory ( HTM ) är en speciell modell av hjärnan .  Utvecklad av Jeff Hawkins och Dilip George från Numenta, Inc. Den modellerar några av de strukturella och algoritmiska egenskaperna hos neocortex . HTM-modellen är baserad på minnesprediktionsteorin om hjärnans funktion som beskrevs av Jeff Hawkins i hans 2004 bok On Intelligence . HTM beskrivs som biomimetiska modeller för förnuftsslutning genom intelligens.

Funktionsprinciper

HTM är ett minnessystem, det programmerar inte, det lär sig inte köra olika algoritmer för olika problem, det "lär sig" att lösa problemet. Allt beror på vilken data hon matades till sensorerna. HTM:er liknar Bayesianska nätverk , men skiljer sig i hur tid, hierarki och uppmärksamhet används. [ett]

HTM:s huvudsakliga egenskaper ligger i förmågan att upptäcka orsaker och göra hypoteser om orsaker.

Anteckningar

  1. ↑ Jeff Hawkins och Dilip George, Temporal Hierarchical Memory. Begrepp, teori och terminologi. Numenta Inc., 2006 -- Hierarkiskt temporärt minne. Koncept, teori och terminologi Arkiverad 24 oktober 2018 på Wayback Machine / Jeff Hawkins och Dileep George, Numenta   Inc.

Litteratur

Länkar