Predictive Coding (PC) ist ein theoretischer Rahmen in der Kognitionswissenschaft, der davon ausgeht, dass das menschliche Gehirn Erkenntnisse durch räumlich-zeitliche Vorhersagen der visuellen Welt verarbeitet. Basierend auf der PC-Theorie haben bestehende Studien räumlich-zeitliche Vorhersage-Neuronale Netzwerke untersucht und ihre beiden Kernmechanismen simuliert: das Lernen von Vorhersagefehlern und hierarchischen Strukturen. Diese Modelle zeigen jedoch keine Verbesserung der Vorhersagefähigkeit bei realen Vorhersageaufgaben und ignorieren den Präzisionsgewichtungsmechanismus der PC-Theorie. Der Präzisionsgewichtungsmechanismus geht davon aus, dass das Gehirn Signalen mit geringerer Präzision mehr Aufmerksamkeit schenkt, was zur Verbesserung der kognitiven Fähigkeiten und der Effizienz des menschlichen Gehirns beiträgt.

In der Neurowissenschaft ist die prädiktive Kodierung (auch prädiktive Verarbeitung genannt) eine Theorie der Gehirnfunktion, die davon ausgeht, dass das Gehirn kontinuierlich „mentale Modelle“ seiner Umgebung generiert und aktualisiert. Der Theorie zufolge wird dieses mentale Modell verwendet, um Eingangssignale der Sinne vorherzusagen, die dann mit den tatsächlichen Eingangssignalen dieser Sinne verglichen werden. Mit der zunehmenden Popularität des Repräsentationslernens wurde diese Theorie aktiv erforscht und im maschinellen Lernen und verwandten Bereichen angewendet.

Verweise

【1】Wikipedia

【2】HelmFluid: Helmholtz-Dynamik lernen für interpretierbare Fluidvorhersage