类脑认知智能引擎(BrainCog)“智脉”以多尺度生物可塑性原理为基础,支持全脉冲神经网络建模,具备脑启发的人工智能模型以及脑功能和结构模拟能力。BrainCog为类脑人工智能和计算神经科学的研究者提供了一套完整的、系统化的接口组件。
“智脉(BrainCog)”允许研究者通过调用并连接基础模块,自由地设计所需要的网络以及相应的功能。在类脑人工智能方面,BrainCog协同多个脑区形成不同的神经环路,初步实现了五大类认知功能:感知和学习、决策、运动控制、知识表征和推理、社会认知。同时BrainCog实现了对部分脑认知功能的模拟,以及从多尺度对不同类型的生物脑结构机制进行模拟。目前,类脑脉冲神经网络领域缺乏一个公开、公平的平台, 在同一环境下评估算法的性能。BrainCog中集成了丰富的高性能, 易修改的SNN模型, 并对其进行了基准测试。用户可以在同一环境中评估自己的算法, 并与其他方法进行比较。可以使用BrainCog提供的组件轻松实现自己的算法, 并与其他最先进的方法进行公平比较。
“智脉(BrainCog)”旨在为实现专用、通用的类脑人工智能模型提供基础支持。目前,它提供的认知功能组件可以分为五类:感知和学习、决策、运动控制、知识表征和推理、社会认知。这些组件共同形成了与哺乳动物大脑中28个脑区相对应的神经环路。同时在有监督、无监督、强化学习和各种脑启发的认知任务上得到有效验证。
BrainCog支持多种有监督和无监督的训练法则,如基于突触可塑性的STDP,基于代理梯度的反向传播算法,和基于ANN到SNN的转换算法。同时在小样本以及噪声环境下取得突出的适应性。该引擎还提供了仿照人类进行概念学习的多感觉融合框架。
BrainCog 提供了多脑区协同的决策脉冲神经网络以及深度强化学习脉冲神经网络。
BrainCog初步实现了利用脉冲神经网络控制人形机器人运动。
BrainCog通过融合多神经可塑性和群体编码机制进行知识表征和推理。
BrainCog实现了一种具有生物合理性的脑启发的社会认知脉冲神经网络模型。
BrainCog可以支持不同尺度的脑结构与认知功能模拟,从而为在局部和全脑尺度计算验证科学猜想和科学解释提供强有力的支持。
BrainCog实现了果蝇线性、非线性决策和PFC工作记忆功能的模拟。
BrainCog可以模拟不同规模的生物脑结构,从微环路到皮质柱到全脑结构模拟。从解剖到成像的多尺度连接数据使鼠脑,猴脑和人脑建模更具有生物合理性。