論文の概要: Neuronal Sequence Models for Bayesian Online Inference
- arxiv url: http://arxiv.org/abs/2004.00930v1
- Date: Thu, 2 Apr 2020 10:52:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-17 09:38:23.086891
- Title: Neuronal Sequence Models for Bayesian Online Inference
- Title（参考訳）: ベイズオンライン推論のためのニューロン配列モデル
- Authors: Sascha Fr\"olich, Dimitrije Markovi\'c, and Stefan J. Kiebel
- Abstract要約: 連続神経活動は、脳内の幅広いプロセスの基盤となる。
ニューロン配列の神経科学的証拠は、知覚、運動制御、スピーチ、空間ナビゲーション、記憶といった領域で報告されている。
本稿では、ニューロン配列に関する重要な知見を概説し、感覚運動処理と認識のモデルとして、シーケンスのオンライン推論の概念に関連付ける。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Sequential neuronal activity underlies a wide range of processes in the
brain. Neuroscientific evidence for neuronal sequences has been reported in
domains as diverse as perception, motor control, speech, spatial navigation and
memory. Consequently, different dynamical principles have been proposed as
possible sequence-generating mechanisms. Combining experimental findings with
computational concepts like the Bayesian brain hypothesis and predictive coding
leads to the interesting possibility that predictive and inferential processes
in the brain are grounded on generative processes which maintain a sequential
structure. While probabilistic inference about ongoing sequences is a useful
computational model for both the analysis of neuroscientific data and a wide
range of problems in artificial recognition and motor control, research on the
subject is relatively scarce and distributed over different fields in the
neurosciences. Here we review key findings about neuronal sequences and relate
these to the concept of online inference on sequences as a model of
sensory-motor processing and recognition. We propose that describing sequential
neuronal activity as an expression of probabilistic inference over sequences
may lead to novel perspectives on brain function. Importantly, it is promising
to translate the key idea of probabilistic inference on sequences to machine
learning, in order to address challenges in the real-time recognition of speech
and human motion.
- Abstract（参考訳）: 逐次的なニューロン活動は、脳の幅広いプロセスの基礎となる。
ニューロン配列の神経科学的証拠は、知覚、運動制御、スピーチ、空間ナビゲーション、記憶といった領域で報告されている。
その結果、異なる力学原理がシーケンス生成機構として提案されている。
ベイジアン脳仮説のような計算的概念と予測的コーディングを組み合わせることで、脳内の予測過程と推論過程がシーケンシャルな構造を維持する生成過程に基づいているという興味深い可能性が得られる。
進行中のシーケンスに関する確率論的推論は、神経科学データの解析と、認識と運動制御における幅広い問題の両方に有用な計算モデルであるが、その研究は比較的少なく、神経科学の様々な分野に分散している。
本稿では,ニューロンの配列に関する重要な知見を概観し,感覚運動の処理と認識のモデルとしての配列上のオンライン推論の概念と関連づける。
シーケンス上の確率的推論の表現として逐次的ニューロン活動を記述することは、脳機能の新たな展望につながる可能性がある。
重要なのは、音声と人間の動作のリアルタイム認識における課題に対処するために、シーケンスの確率的推論の重要概念を機械学習に変換することだ。
関連論文リスト
- Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
しきい値単位の動的代替として人工内蔵ニューロン(AKOrN)を導入する。
このアイデアは、幅広いタスクにまたがってパフォーマンス改善をもたらすことを示しています。
これらの経験的結果は、神経表現の最も基本的なレベルにおいて、私たちの仮定の重要性を示していると信じている。
論文 参考訳（メタデータ） (2024-10-17T17:47:54Z) - 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) - A Goal-Driven Approach to Systems Neuroscience [2.6451153531057985]
人間と動物は、動的環境において様々な興味深い行動を示す。
私たちの脳が、こうした行動を可能にするために、どのようにしてこの密集した感覚情報を積極的に再構築するかは不明です。
我々は、ニューラルサーキットの統一構造モデルと機能モデルを生み出すことを約束する新しい解釈可能性の定義を提供する。
論文 参考訳（メタデータ） (2023-11-05T16:37:53Z) - Computation with Sequences in a Model of the Brain [11.15191997898358]
神経活動から認知がどのように生じるかは神経科学の中心的な問題である。
本研究は, シナプス重量と可塑性により, 時刻を優先的に捉えることができることを示す。
我々は、任意の有限状態機械が、シーケンスの適切なパターンの提示を通して、同様の方法で学習可能であることを示す。
論文 参考訳（メタデータ） (2023-06-06T15:58:09Z) - Learning to Act through Evolution of Neural Diversity in Random Neural
Networks [9.387749254963595]
ほとんどの人工ニューラルネットワーク(ANN)では、神経計算は通常すべてのニューロン間で共有される活性化関数に抽象化される。
本稿では,複雑な計算を行うことができる多様なニューロンの集合を実現するために,神経中心パラメータの最適化を提案する。
論文 参考訳（メタデータ） (2023-05-25T11:33:04Z) - 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) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳（メタデータ） (2022-12-08T15:16:04Z) - 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) - The Neural Coding Framework for Learning Generative Models [91.0357317238509]
本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。
同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
論文 参考訳（メタデータ） (2020-12-07T01:20:38Z) - A Neural Dynamic Model based on Activation Diffusion and a
Micro-Explanation for Cognitive Operations [4.416484585765028]
記憶の神経機構は、人工知能における表現の問題と非常に密接な関係を持っている。
脳内のニューロンのネットワークとその情報処理のシミュレーションを行う計算モデルが提案された。
論文 参考訳（メタデータ） (2020-11-27T01:34:08Z)
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。