Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.14011v1

帮助 | 高级搜索

计算机科学 > 神经与进化计算

arXiv:2507.14011v1 (cs)
[提交于 2025年7月18日 ]

标题: 自指算法的概念与设计原则,模拟神经元组装功能

标题: Conceptual and Design Principles for a Self-Referential Algorithm Mimicking Neuronal Assembly Functions

Authors:Paolo Totaro, Alberto Mangiante
摘要: 本文提出了一种方法,用于形式化基于经验的认知过程模型,从生命系统的视角而非观察者的视角来考虑经验。 生命系统的视角由系统维持生命平衡的需要所定义。 该方法基于一种我们称之为环境生成算子(EGO)的算法模式,并使用为这一目的开发的自指语言,我们称之为E语言。 EGO将认知过程模拟为神经元集合上的操作,如Hebb所理解的那样。 在本文中,我们介绍了一个EGO原型(EGO-P),它已经实现了并进行了测试。
摘要: This article proposes a method to formalise models of cognitive processes grounded in experience, considering experience from the perspective of a living system and not from that of an observer of the living system. The perspective of a living system is defined by the need of the system to preserve the vital equilibria. The method is based on an algorithmic schema that we call Environment Generative Operator (EGO) and uses a self-referential language developed for this purpose which we call E-language. EGO simulates cognitive processes as operations on neuron assemblies as understood by Hebb. In this article we present an EGO prototype (EGO-P) which has already been implemented and tested.
主题: 神经与进化计算 (cs.NE) ; 机器人技术 (cs.RO)
引用方式: arXiv:2507.14011 [cs.NE]
  (或者 arXiv:2507.14011v1 [cs.NE] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.14011
通过 DataCite 发表的 arXiv DOI(待注册)

提交历史

来自: Paolo Totaro [查看电子邮件]
[v1] 星期五, 2025 年 7 月 18 日 15:22:33 UTC (4,777 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.NE
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.RO

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号