文章插图
全局网络动态 。
与其他网络相比 ， 传输至 NCP 网络的信息可谓少之又少 。 仅通过上图 ， 我们就可以发现该方法比现有方法更加高效 ， 计算速度也更快 。
此外 ， 噪声对于现有方法而言是一个大问题 ， 如下雨、下雪 ， 但 NCP 系统对输入噪声展示出强大的抵抗力 ， 这是由于其架构和新型神经模型 ， 使其即使在输入摄像头有噪声的时候 ， 注意力也能聚焦在路程视野上（参见以下视频） 。
文章插图
【19个神经元控制自动驾驶汽车，虫脑启发新研究登Nature】NCP 系统在噪声环境中的稳健性 。
结论
这一新方法因其规模小而呈现出更稳健、更快速的特征 ， 又因其能够清晰地可视化神经网络内部活动而具备更高的可解释性 。 该方法将人工智能和生物神经系统结合起来 ， 带来了新的研究角度 。
参考链接：

• 车轮旋转|牵引力控制系统是如何工作的？它有什么作用？
• 控制|正弦电气科创板IPO过会，需说明与前员工设立或控制的经销商交易的原因及合理性
• 智慧城市|被汽车物联网控制的未来，这是我们向往的新生活吗？
• Twitter|Twitter的Audio Spaces测试包括转录、扬声器控制和报告功能
• 如何基于Python实现自动化控制鼠标和键盘操作
• MediaComm美凯助聊城数据湖打造大数据指挥控制系统
• 温度|索尼还会通过游戏更新动态控制PS5的风扇转速
• 专注远程控制行业，5G时代向日葵用远控连接世界
• 马云最新演讲：过度强调管理，就升级成管控，最后成为控制
• 全功能|真正全功能完全免费的远程控制软件国内其实就一家？