Publication

Three Dimensional Frames of References Transformations using Recurrent Populations of Neurons

Aude Billard, Eric Sauser
2005
Journal Articles

Résumé

This work investigates whether population vector coding, a distributed computational paradigm, could be a principle mechanism for performing sensorimotor and frames of reference transformations. This paper presents a multilayer neural network that can perform arbitrary three-dimensional rotations and translations. We demonstrate, both formally and numerically, that the non-linearity of these transformations can be resolved thanks to the recurrent and concurrent activities of continuous populations of neurons.

Source officielle

https://infoscience.epfl.ch/entities/publication/70a70119-a2da-49ad-bae4-ed19dc297d87

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Three Dimensional Frames of References Transformations using Recurrent Populations of Neurons

Chattez avec Graph Search

Practical Federated Learning without a Server

Advancing understanding and practical performance of machine learning interatomic potentials

Generalization of Scaled Deep ResNets in the Mean-Field Regime