新闻动态

        RCN应用了实验神经科学的结论，就是哺乳动物在识别物体的时候，大脑视觉皮层对于物体的轮廓和表面的识别，机制是不一样的，它们属于协同工作。科学家根据这个结论提出了新模型，递归皮层网络，简称 RCN。这是一种整合了实验神经科学结论的概率生成模型，但重点并不是说概率生成模型超越了神经网络，而是在于RCN创新的把很多东西综合起来，首先在局部还是会用到神经网络，先用深度学习进行预处理，然后RCN 对一个物体的轮廓和表面分别是进行建模的，表面用的是条件随机场，轮廓用的是特征组合层级结构。这样置信传播（BP）可以用来求近似解，采用近似动态规划算法，算法复杂度是线性的，最终形成一个概率图模型。

        这个模型的目的同样在于提高计算机识别图像中字母的准确度，最终目的是让计算机像人一样高效率地辨认任何图像中的字母，正确处理字母的形状扭曲、颜色变化、组合、遮挡等这些复杂情况。除了准确率高，还有一个亮点，就是所用的数据量比 CNN 少得多，这对于提高数据使用效率也是个很好的办法。

        总结起来，就是两点：

•         在结合实验神经科学和机器智能的路上更进了一步。
•         提高机器学习算法的数据使用效率，使其更接近人。