論文の概要: An evolutionary perspective on the design of neuromorphic shape filters
- arxiv url: http://arxiv.org/abs/2008.13229v1
- Date: Sun, 30 Aug 2020 17:53:44 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-23 12:03:09.808848
- Title: An evolutionary perspective on the design of neuromorphic shape filters
- Title（参考訳）: ニューロモルフィック形状フィルタの設計に関する進化的視点
- Authors: Ernest Greene
- Abstract要約: 皮質系は高度な画像処理を提供するかもしれないが、おそらくはより単純なシステムで有効であることが証明された設計原則を使用している。
本稿では,形状情報を登録するための網膜機構と皮質機構について概説する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A substantial amount of time and energy has been invested to develop machine
vision using connectionist (neural network) principles. Most of that work has
been inspired by theories advanced by neuroscientists and behaviorists for how
cortical systems store stimulus information. Those theories call for
information flow through connections among several neuron populations, with the
initial connections being random (or at least non-functional). Then the
strength or location of connections are modified through training trials to
achieve an effective output, such as the ability to identify an object. Those
theories ignored the fact that animals that have no cortex, e.g., fish, can
demonstrate visual skills that outpace the best neural network models. Neural
circuits that allow for immediate effective vision and quick learning have been
preprogrammed by hundreds of millions of years of evolution and the visual
skills are available shortly after hatching. Cortical systems may be providing
advanced image processing, but most likely are using design principles that had
been proven effective in simpler systems. The present article provides a brief
overview of retinal and cortical mechanisms for registering shape information,
with the hope that it might contribute to the design of shape-encoding circuits
that more closely match the mechanisms of biological vision.
- Abstract（参考訳）: かなりの時間とエネルギーがconnectionist(neural network)の原則を用いたマシンビジョンの開発に費やされている。
その研究のほとんどは、神経科学者や行動学者によって、皮質系が刺激情報をどのように保存するかという理論に触発されている。
これらの理論は複数のニューロン集団間の接続を通して情報の流れを求めており、最初の接続はランダム(または少なくとも非機能的)である。
次に、接続の強さや位置をトレーニングの試行を通じて変更し、オブジェクトを識別する機能などの効果的な出力を達成する。
これらの理論は、大脳皮質を持たない動物(例えば魚)が、最良のニューラルネットワークモデルを上回る視覚能力を示すことができるという事実を無視した。
瞬時に効果的な視覚と迅速な学習を可能にする神経回路は、数億年にわたる進化によって事前にプログラムされ、ハッチ後すぐに視覚スキルが利用できるようになった。
皮質系は高度な画像処理を提供するかもしれないが、おそらくはより単純なシステムで有効な設計原則を使用している。
本稿では, 生体視覚のメカニズムに適合する形状符号化回路の設計に寄与し得ることを期待して, 形状情報の登録のための網膜および皮質機構について概説する。
関連論文リスト
- Unsupervised representation learning with Hebbian synaptic and structural plasticity in brain-like feedforward neural networks [0.0]
教師なし表現学習が可能な脳様ニューラルネットワークモデルを導入,評価する。
このモデルは、一般的な機械学習ベンチマークのさまざまなセットでテストされた。
論文 参考訳（メタデータ） (2024-06-07T08:32:30Z) - Hebbian Learning based Orthogonal Projection for Continual Learning of
Spiking Neural Networks [74.3099028063756]
我々は,側方接続とヘビアン学習に基づくニューラル操作を用いた新しい手法を開発した。
我々は,反復する側方接続におけるヘビアン学習と反ヘビアン学習が,神経活動の主部分空間を効果的に抽出できることを示した。
我々の手法は、ほとんど忘れることなくニューラルネットワークをスパイクするために一貫して解決する。
論文 参考訳（メタデータ） (2024-02-19T09:29:37Z) - 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) - 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) - Biological connectomes as a representation for the architecture of
artificial neural networks [0.0]
我々は、C. Elegans線虫の運動回路を、生物物理学的リアリズムの様々なレベルにおいて、人工ニューラルネットワークに変換する。
C. Elegans の移動回路は移動問題に強力な帰納バイアスを与えるが,その構造は移動に関係のないタスクのパフォーマンスを阻害する可能性がある。
論文 参考訳（メタデータ） (2022-09-28T20:25:26Z) - Adapting Brain-Like Neural Networks for Modeling Cortical Visual
Prostheses [68.96380145211093]
皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。
現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。
我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
論文 参考訳（メタデータ） (2022-09-27T17:33:19Z) - Adversarially trained neural representations may already be as robust as
corresponding biological neural representations [66.73634912993006]
本研究では,霊長類脳活動に直接対人的視覚攻撃を行う方法を開発した。
霊長類の視覚系を構成する生物学的ニューロンは、既存の(不正に訓練された)人工ニューラルネットワークに匹敵する敵の摂動に感受性を示す。
論文 参考訳（メタデータ） (2022-06-19T04:15:29Z) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳（メタデータ） (2022-02-01T17:11:13Z) - Modeling the Evolution of Retina Neural Network [0.0]
網膜回路は 様々な種類の 類似した構造を示しています
生物網膜に類似した機能を持つ構造を導く遺伝的アルゴリズムを用いた手法を設計する。
我々は、機械学習において、我々のフレームワークがどのようにゴール駆動型検索と持続可能なニューラルネットワークモデルの強化をもたらすかについて論じる。
論文 参考訳（メタデータ） (2020-11-24T23:57:54Z)
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。