Fugu-MT 論文翻訳(概要): Neural Network Degeneration and its Relationship to the Brain

論文の概要: Neural Network Degeneration and its Relationship to the Brain

arxiv url: http://arxiv.org/abs/2008.00053v1
Date: Fri, 31 Jul 2020 19:42:23 GMT
ステータス: 処理完了
システム内更新日: 2022-11-04 06:39:46.250178
Title: Neural Network Degeneration and its Relationship to the Brain
Title（参考訳）: ニューラルネットワークの変性と脳との関係
Authors: Jacob Adamczyk
Abstract要約: 本報告では、脳の小さなセグメントとしてニューラルネットワーク(NN)を応用することについて議論する。ここで適用された分解技術は、"軽量化"、"軽量化"、および可変活性化関数である。これらの方法は、アルツハイマー病、ハンティントン病、パーキンソン病などの神経変性疾患の研究に光を当てることを目的としている。
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: This report discusses the application of neural networks (NNs) as small segments of the brain. The networks representing the biological connectome are altered both spatially and temporally. The degradation techniques applied here are "weight degradation", "weight scrambling", and variable activation function. These methods aim to shine light on the study of neurodegenerative diseases such as Alzheimer's, Huntington's and Parkinson's disease as well as strokes and brain tumors disrupting the flow of information in the brain's network. Fundamental insights to memory loss and generalized learning dysfunction are gained by monitoring the network's error function during network degradation. The biological significance of each facet is also discussed.
Abstract（参考訳）: 本稿では,脳の小さな部分としてのニューラルネットワーク(NN)の適用について述べる。生物学的コネクトームを表すネットワークは、空間的にも時間的にも変化する。ここで適用される劣化技法は「重み劣化」、「重みスクランブル」、「可変活性化機能」である。これらの方法は、アルツハイマー病、ハンティントン病、パーキンソン病、脳卒中や脳腫瘍などの神経変性疾患の研究に光を当てることを目的としている。メモリ損失と一般化学習障害に対する基本的な洞察は、ネットワーク劣化時のネットワークのエラー関数を監視することによって得られる。各面の生物学的意義についても論じる。

関連論文リスト

Contrasformer: A Brain Network Contrastive Transformer for Neurodegenerative Condition Identification [15.24676785238373]
本稿では,新しいコントラスト型脳ネットワークトランスであるContrasformerを提案する。サブポピュレーション間の分布シフトに対処するために、事前知識付きコントラストグラフを生成する。コントラストフォーマーは、最大10.8%の精度向上によって、脳ネットワークの最先端の手法より優れている。
論文参考訳（メタデータ） (2024-09-17T07:26:02Z)
Advanced Computing and Related Applications Leveraging Brain-inspired Spiking Neural Networks [0.0]
スパイクニューラルネットワークは、脳に似たコンピューティングを実現する人工知能のコアの1つである。本稿では,5つのニューロンモデルの強み,弱さ,適用性について要約し,5つのネットワークトポロジの特徴を解析する。
論文参考訳（メタデータ） (2023-09-08T16:41:08Z)
Transformer-Based Hierarchical Clustering for Brain Network Analysis [13.239896897835191]
本稿では,階層型クラスタ同定と脳ネットワーク分類のための新しい解釈可能なトランスフォーマーモデルを提案する。階層的クラスタリング(hierarchical clustering)の助けを借りて、このモデルは精度の向上と実行時の複雑性の低減を実現し、脳領域の機能的構造に関する明確な洞察を提供する。
論文参考訳（メタデータ） (2023-05-06T22:14:13Z)
Deep learning reveals the common spectrum underlying multiple brain disorders in youth and elders from brain functional networks [53.257804915263165]
ヒトの初期および後期の脳障害は、脳機能における病理学的変化を共有する可能性がある。病理的共通性に関する神経画像データによる重要な証拠はいまだ発見されていない。多地点機能磁気共鳴画像データを用いたディープラーニングモデルを構築し、健康的な制御から5つの異なる脳障害を分類する。
論文参考訳（メタデータ） (2023-02-23T09:22:05Z)
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)
Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文参考訳（メタデータ） (2022-10-06T13:04:45Z)
Interpretable Graph Neural Networks for Connectome-Based Brain Disorder Analysis [31.281194583900998]
本稿では、障害特異的な関心領域(ROI)と顕著なつながりを分析するための解釈可能なフレームワークを提案する。提案するフレームワークは,脳ネットワーク指向の疾患予測のためのバックボーンモデルと,グローバルに共有された説明生成装置の2つのモジュールから構成される。
論文参考訳（メタデータ） (2022-06-30T08:02:05Z)
Functional2Structural: Cross-Modality Brain Networks Representation Learning [55.24969686433101]
脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
論文参考訳（メタデータ） (2022-05-06T03:45:36Z)
Ensembling complex network 'perspectives' for mild cognitive impairment detection with artificial neural networks [5.194561180498554]
本研究では,複合ネットワークとニューラルネットワークのパラダイムを共同利用した軽度の認知障害検出手法を提案する。特に、この手法は、異なる脳構造「パースペクティブ」を人工ニューラルネットワークでアンサンブルすることに基づいている。
論文参考訳（メタデータ） (2021-01-26T08:38:11Z)
Topological obstructions in neural networks learning [67.8848058842671]
損失勾配関数フローのグローバル特性について検討する。損失関数とそのモースコンプレックスの位相データ解析を用いて,損失面の大域的特性と勾配軌道に沿った局所的挙動を関連付ける。
論文参考訳（メタデータ） (2020-12-31T18:53:25Z)
A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文参考訳（メタデータ） (2020-05-08T02:29:24Z)

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。