論文の概要: Neural Autopoiesis: Organizing Self-Boundary by Stimulus Avoidance in Biological and Artificial Neural Networks

• arxiv url: http://arxiv.org/abs/2001.09641v1
• Date: Mon, 27 Jan 2020 09:27:50 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 08:17:42.183269
• Title: Neural Autopoiesis: Organizing Self-Boundary by Stimulus Avoidance in Biological and Artificial Neural Networks
• Title（参考訳）: 生体・人工神経ネットワークにおける刺激回避による自己境界の組織化
• Authors: Atsushi Masumori, Lana Sinapayen, Norihiro Maruyama, Takeshi Mita, Douglas Bakkum, Urs Frey, Hirokazu Takahashi, and Takashi Ikegami
• Abstract要約: 生体と人工のニューラルネットワークを用いた自律的自己境界制御について検討する。 これまでの研究では、培養されたニューラルネットワークを具現化し、スパイク刺激依存性(STDP)を持つニューラルネットワークをスパイクすることで、外部からの刺激を避けることで行動を学ぶことが示されていた。 制御不能ニューロンを自己とみなし,制御不能ニューロンを自己とみなし,制御不能ニューロンを非自己とみなすネットワークにおいて,これらの特性を自己と非自己の自律的規制と見なしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Living organisms must actively maintain themselves in order to continue existing. Autopoiesis is a key concept in the study of living organisms, where the boundaries of the organism is not static by dynamically regulated by the system itself. To study the autonomous regulation of self-boundary, we focus on neural homeodynamic responses to environmental changes using both biological and artificial neural networks. Previous studies showed that embodied cultured neural networks and spiking neural networks with spike-timing dependent plasticity (STDP) learn an action as they avoid stimulation from outside. In this paper, as a result of our experiments using embodied cultured neurons, we find that there is also a second property allowing the network to avoid stimulation: if the agent cannot learn an action to avoid the external stimuli, it tends to decrease the stimulus-evoked spikes, as if to ignore the uncontrollable-input. We also show such a behavior is reproduced by spiking neural networks with asymmetric STDP. We consider that these properties are regarded as autonomous regulation of self and non-self for the network, in which a controllable-neuron is regarded as self, and an uncontrollable-neuron is regarded as non-self. Finally, we introduce neural autopoiesis by proposing the principle of stimulus avoidance.
• Abstract（参考訳）: 生物は生き続けるために積極的に維持しなければならない。 オートポエシス(autopoiesis)は生物の研究において重要な概念であり、生体の境界は系自体によって動的に制御された静的ではない。 自己境界の自律的制御を研究するために,生物的および人工的なニューラルネットワークを用いて,環境変化に対する神経ホメオダイナミック応答に着目した。 以前の研究では、スパイクタイティング依存可塑性(stdp)を持つ培養ニューラルネットワークとスパイクニューラルネットワークが、外部からの刺激を避けるために行動を学ぶことが示されている。 本稿では,体外培養ニューロンを用いた実験の結果,ネットワークが刺激を回避できる第2の特質があることが判明した。外部刺激を回避できない行動が得られない場合,制御不能入力を無視するかのように刺激誘発スパイクを減少させる傾向がある。 また,そのような行動は非対称なstdpを持つスパイクニューラルネットワークによって再現されることを示した。 制御不能ニューロンを自己とみなし,制御不能ニューロンを非自己とみなすネットワークにおいて,これらの特性は自己と非自己の自律的規制とみなされると考えられる。 最後に,刺激回避の原理を提唱し,神経オートポエシスを導入する。

関連論文リスト

• Evolving Self-Assembling Neural Networks: From Spontaneous Activity to Experience-Dependent Learning [7.479827648985631]
  本稿では, 自己組織型ニューラルネットワークを, 活動と報酬に依存した方法でシナプス的, 構造的可塑性のクラスとして提案する。 その結果、ランダムに接続されたネットワークや空きネットワークから、異なる制御タスクの経験からモデルが学習できることが示されている。
  論文  参考訳（メタデータ） (2024-06-14T07:36:21Z)
• Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment [65.268245109828]
  本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。 我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。 本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
  論文  参考訳（メタデータ） (2023-12-01T05:20:57Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
  神経科学の基本的な目標は、神経活動と行動の関係を理解することである。 我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。 このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
  論文  参考訳（メタデータ） (2021-11-29T15:27:51Z)
• Sensory attenuation develops as a result of sensorimotor experience [7.109236732052832]
  我々は、知覚(固有受容と外受容)、関連性、実行領域からなるニューラルネットワークモデルを作成しました。 ネットワークによって制御された模擬ロボットは、自己生成または外部生成された外部受容フィードバックで運動パターンを取得することを学習した。 その結果,ロボットは学習初期において,自己生成型と外部生成型の両方の感覚・関連領域の反応を初めて増加させた。
  論文  参考訳（メタデータ） (2021-11-04T07:12:48Z)
• Towards self-organized control: Using neural cellular automata to robustly control a cart-pole agent [62.997667081978825]
  我々は、カートポールエージェントを制御するために、ニューラルセルオートマトンを使用する。 我々は、Q値の推定値として出力セルの状態を用いる深層学習を用いてモデルを訓練した。
  論文  参考訳（メタデータ） (2021-06-29T10:49:42Z)
• Continuous Learning and Adaptation with Membrane Potential and Activation Threshold Homeostasis [91.3755431537592]
  本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。 このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。 実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
  論文  参考訳（メタデータ） (2021-04-22T04:01:32Z)
• The distribution of inhibitory neurons in the C. elegans connectome facilitates self-optimization of coordinated neural activity [78.15296214629433]
  線虫Caenorhabditis elegansの神経系は、昆虫のサイズが小さいにもかかわらず著しく複雑である。 一般的な課題は、システムレベルでの神経組織と神経活動の関係をよりよく理解することである。 我々は,各ニューロンの神経伝達物質同定を近似した,C. elegans Connectomeの抽象シミュレーションモデルを実装した。
  論文  参考訳（メタデータ） (2020-10-28T23:11:37Z)
• Under the Hood of Neural Networks: Characterizing Learned Representations by Functional Neuron Populations and Network Ablations [0.3441021278275805]
  学習課題を遂行するネットワーク内の単一ニューロンとニューロン群の役割について、光を当てた。 ニューロンの大きさやアクティベーションの選択性、ネットワーク性能への影響は、スタンドアローンの指標として十分ではないことが分かりました。
  論文  参考訳（メタデータ） (2020-04-02T20:45:01Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。