仿生神经网络模型可以存储更多的记忆

研究人员开发了一种模型，该模型受到生物学最新发现的启发，并显示出改进的记忆性能。 修改经典神经网络是实现这一目标的关键。

计算机模型对于研究大脑如何产生和保留记忆以及其他复杂信息至关重要。 构建此类模型可能是一个微妙的过程。 电信号和生化信号之间复杂的相互作用，以及神经元和其他类型细胞之间的连接网络，为记忆的形成奠定了基础。 对脑生物学的有限理解使得很难将复杂的生物学编码成可用于进一步研究的基于计算机的模型。

通过结合来自生物界的见解，冲绳科学技术研究所的研究人员改进了一种广泛使用的计算机记忆模型，称为 Hopfield 网络。 冲绳科学技术研究所 (OIST) 的研究人员通过结合生物学的见解，改进了一种广泛使用的计算机记忆模型，即 Hopfield 网络。

来源和详细信息：
https://scitechdaily.com/bioinspired-neural-network-model-can-store-significantly-more-memories/