論文の概要: Lamina-specific neuronal properties promote robust, stable signal propagation in feedforward networks

• arxiv url: http://arxiv.org/abs/2010.12127v1
• Date: Fri, 23 Oct 2020 01:57:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 23:01:20.914877
• Title: Lamina-specific neuronal properties promote robust, stable signal propagation in feedforward networks
• Title（参考訳）: ラミナ特異的ニューロン特性はフィードフォワードネットワークにおけるロバストで安定なシグナル伝達を促進する
• Authors: Dongqi Han, Erik De Schutter, Sungho Hong
• Abstract要約: 本研究では,ラミナ特異的な細胞特性から生じる層間不均一性が,FFNのシグナル伝達と情報伝達を促進することを示す。 具体的には、入力駆動スパイク信号上でニューロンの各層が生成した信号変換が、先行層によって導入された信号歪みを復調することを示した。 この機構は、伝播スパイク信号によって伝達される情報伝達を促進し、ディープFFNにおける信頼性の高いスパイク信号と情報伝達をサポートする。
• 参考スコア（独自算出の注目度）: 10.255673932966184
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Feedforward networks (FFN) are ubiquitous structures in neural systems and have been studied to understand mechanisms of reliable signal and information transmission. In many FFNs, neurons in one layer have intrinsic properties that are distinct from those in their pre-/postsynaptic layers, but how this affects network-level information processing remains unexplored. Here we show that layer-to-layer heterogeneity arising from lamina-specific cellular properties facilitates signal and information transmission in FFNs. Specifically, we found that signal transformations, made by each layer of neurons on an input-driven spike signal, demodulate signal distortions introduced by preceding layers. This mechanism boosts information transfer carried by a propagating spike signal and thereby supports reliable spike signal and information transmission in a deep FFN. Our study suggests that distinct cell types in neural circuits, performing different computational functions, facilitate information processing on the whole.
• Abstract（参考訳）: フィードフォワードネットワーク(FFN)は、ニューラルネットワークのユビキタスな構造であり、信頼できる信号と情報伝達のメカニズムを理解するために研究されている。 多くのFFNでは、1層のニューロンは前/後層と異なる固有の性質を持つが、これがネットワークレベルの情報処理にどのように影響するかは未解明のままである。 ここでは,ラミナ特異的な細胞特性から生じる層間不均一性が,FFNのシグナル伝達と情報伝達を促進することを示す。 具体的には、入力駆動のスパイク信号上でニューロンの各層が生成した信号変換が、先行層が導入した信号歪みを復調することを示した。 この機構は、伝播スパイク信号によって運ばれる情報伝達を増強し、信頼性の高いスパイク信号および深いffnにおける情報伝達をサポートする。 本研究は, 神経回路の異なる細胞タイプが, 様々な計算機能を実現し, 全体の情報処理を促進することを示唆している。

関連論文リスト

• Heterogeneous quantization regularizes spiking neural network activity [0.0]
  本稿では、アナログデータを正規化し、スパイク位相表現に量子化する、データブラインドニューロモルフィック信号条件付け戦略を提案する。 我々は、量子化重みの範囲と密度が蓄積された入力統計に適応するデータ認識キャリブレーションステップを追加することで、このメカニズムを拡張した。
  論文  参考訳（メタデータ） (2024-09-27T02:25:44Z)
• Multi-scale Residual Transformer for VLF Lightning Transients Classification [8.484339601339325]
  VLFの干渉やノイズを低減するためには、正確な雷信号の分類が重要である。 近年、ディープラーニング、特に畳み込みニューラルネットワーク(CNN)の進化は、雷の分類に変化をもたらした。 本研究では、複雑なパターンを識別するだけでなく、入力雷信号列の異なる側面の意義を重み付けする革新的なマルチスケール残差変換(MRTransformer)を提案する。
  論文  参考訳（メタデータ） (2023-12-07T09:26:58Z)
• Structural Vibration Signal Denoising Using Stacking Ensemble of Hybrid CNN-RNN [0.0]
  近年,生物工学の分野では振動信号の利用が増加している。 足音による振動は、人体や動物などの生体系の運動を分析するのに有用である。 本稿では,複数信号のアンサンブルと,再帰的および畳み込み型ニューラルネットワーク予測の両方を活用する新しいアンサンブルモデルを提案する。
  論文  参考訳（メタデータ） (2023-03-11T00:49:45Z)
• Classification of Intra-Pulse Modulation of Radar Signals by Feature Fusion Based Convolutional Neural Networks [5.199765487172328]
  本研究では、パルス内変調型レーダ信号を自動的に認識するディープラーニングに基づく新しい手法を提案する。 提案するFF-CNN技術は,現在の最先端技術よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-05-19T20:18:17Z)
• Cross-Frequency Coupling Increases Memory Capacity in Oscillatory Neural Networks [69.42260428921436]
  クロス周波数カップリング(CFC)は、ニューロンの集団間での情報統合と関連している。 我々は,海馬および大脳皮質における観測された$theta - gamma$振動回路の計算的役割を予測するCFCのモデルを構築した。 CFCの存在は, 可塑性シナプスによって結合された神経細胞のメモリ容量を増加させることを示す。
  論文  参考訳（メタデータ） (2022-04-05T17:13:36Z)
• Decomposing neural networks as mappings of correlation functions [57.52754806616669]
  本研究では,ディープフィードフォワードネットワークによって実装された確率分布のマッピングについて検討する。 ニューラルネットワークで使用できる異なる情報表現と同様に、データに不可欠な統計を識別する。
  論文  参考訳（メタデータ） (2022-02-10T09:30:31Z)
• 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)
• Transfer Learning for Fault Diagnosis of Transmission Lines [55.971052290285485]
  事前学習されたLeNet-5畳み込みニューラルネットワークに基づく新しい伝達学習フレームワークを提案する。 ソースニューラルネットワークから知識を転送して、異種ターゲットデータセットを予測することで、異なる伝送ラインの長さとインピーダンスの障害を診断することができる。
  論文  参考訳（メタデータ） (2022-01-20T06:36:35Z)
• POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
  2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。 提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
  論文  参考訳（メタデータ） (2022-01-19T09:26:34Z)
• Stochastic facilitation in heteroclinic communication channels [0.0]
  人工ニューラルネットワークで自然に現れるヘテロクリニックネットワークは、状態空間におけるサドルのネットワークである。 ヘテロクリニックネットワークの情報伝達特性について検討し,通信チャネルとして検討する。
  論文  参考訳（メタデータ） (2021-10-23T13:50:16Z)
• Flexible Transmitter Network [84.90891046882213]
  現在のニューラルネットワークはMPモデルに基づいて構築されており、通常はニューロンを他のニューロンから受信した信号の実際の重み付け集約上での活性化関数の実行として定式化する。 本稿では,フレキシブル・トランスミッタ(FT)モデルを提案する。 本稿では、最も一般的な完全接続型フィードフォワードアーキテクチャ上に構築された、フレキシブルトランスミッタネットワーク(FTNet)について述べる。
  論文  参考訳（メタデータ） (2020-04-08T06:55:12Z)

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。