授課教師

劉懿璇 —人體生理中的物理觀點

作者

作品名稱

作品類型

個人作品

作品概述

本作品系統性回顧神經計算從早期 McCulloch–Pitts 神經元模型與 Hebb 學習法則，到感知機、反向傳播以及現代深度學習（CNN、RNN、LSTM、Transformer）的發展歷程，說明人工神經網路作為仿生工具的理論基礎與工程價值。陳同學進一步指出標準人工神經網路在神經動力學、拓樸可塑性、能量代謝與意識整合等方面與真實大腦仍存在關鍵差距，並據此提出一種以「自由能與有限資源」為核心的仿生架構。此架構將預測誤差、代謝成本、突觸與結構成本、意識工作空間頻寬、記憶容量與行為調控整合於單一目標函數中，同時引入不規則連接與慢時間尺度的拓樸可塑性，使仿生模型不僅模擬結構，更反映生物系統在多重限制下的整體計算特性，為理解大腦運作與人工智慧設計提供新的跨域框架。

教師推薦語