A hierarchikus időbeli memória ( HTM ) az agy sajátos modellje . Fejlesztője : Jeff Hawkins és Dilip George, a Numenta, Inc. Modellezi a neocortex egyes szerkezeti és algoritmikus tulajdonságait . A HTM-modell az agyműködés memória-előrejelzési elméletén alapul, amelyet Jeff Hawkins írt le 2004 -es On Intelligence című könyvében . A HTM-eket az intelligencia általi észkövetkeztetés biomimetikus modelljeként írják le.
A HTM memóriarendszer, nem programoz, nem tanul meg különböző algoritmusokat futtatni különböző problémákra, hanem „megtanulja” a probléma megoldását. Minden attól függ, hogy milyen adatokat tápláltak be az érzékelőkbe. A HTM-ek hasonlóak a Bayes-hálózatokhoz , de különböznek az idő, a hierarchia és a figyelem felhasználásában. [egy]
A HTM fő képességei az okok feltárásának és az okokkal kapcsolatos hipotézisek felállításának képességében rejlenek.
Gépi tanulás és adatbányászat | |
---|---|
Feladatok | |
Tanulás tanárral | |
klaszteranalízis | |
Dimenziócsökkentés | |
Strukturális előrejelzés | |
Anomália észlelése | |
Grafikon valószínűségi modellek | |
Neurális hálózatok | |
Megerősítő tanulás |
|
Elmélet | |
Folyóiratok és konferenciák |
|