論文の概要: Biologically plausible single-layer networks for nonnegative independent component analysis

• arxiv url: http://arxiv.org/abs/2010.12632v2
• Date: Fri, 4 Mar 2022 20:14:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 23:00:50.556016
• Title: Biologically plausible single-layer networks for nonnegative independent component analysis
• Title（参考訳）: 非負独立成分分析のための生物学的に有望な単層ネットワーク
• Authors: David Lipshutz, Cengiz Pehlevan, Dmitri B. Chklovskii
• Abstract要約: 生物学的に妥当な単一層ニューラルネットワークによるブラインドソース分離アルゴリズムを提案する。 生物学的信頼性のためには、神経回路の以下の3つの基本的な特性を満たすためにネットワークが必要である。
• 参考スコア（独自算出の注目度）: 21.646490546361935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: An important problem in neuroscience is to understand how brains extract relevant signals from mixtures of unknown sources, i.e., perform blind source separation. To model how the brain performs this task, we seek a biologically plausible single-layer neural network implementation of a blind source separation algorithm. For biological plausibility, we require the network to satisfy the following three basic properties of neuronal circuits: (i) the network operates in the online setting; (ii) synaptic learning rules are local; (iii) neuronal outputs are nonnegative. Closest is the work by Pehlevan et al. [Neural Computation, 29, 2925--2954 (2017)], which considers Nonnegative Independent Component Analysis (NICA), a special case of blind source separation that assumes the mixture is a linear combination of uncorrelated, nonnegative sources. They derive an algorithm with a biologically plausible 2-layer network implementation. In this work, we improve upon their result by deriving 2 algorithms for NICA, each with a biologically plausible single-layer network implementation. The first algorithm maps onto a network with indirect lateral connections mediated by interneurons. The second algorithm maps onto a network with direct lateral connections and multi-compartmental output neurons.
• Abstract（参考訳）: 神経科学における重要な問題は、脳が未知のソースの混合物から関連する信号をどのように抽出するかを理解することである。 この処理を脳がどのように行うのかをモデル化するため,視覚源分離アルゴリズムの生物学的に妥当な単層ニューラルネットワークの実装を探索する。 生物学的な可能性については、神経回路の3つの基本的な特性を満たすようネットワークに要求する。 i) ネットワークは、オンライン設定で動作します。 (ii)シナプス学習規則は局所的である。 (iii)神経出力は非負である。 一番近いのはpehlevanらによる作品だ。 [非負の独立成分分析(NICA)を考察したニューラル計算29,2925-2954(2017)] 生物学的に妥当な2層ネットワーク実装を持つアルゴリズムを導出する。 そこで本研究では,NICAの2つのアルゴリズムを生物学的に検証可能な単一層ネットワーク実装を用いて導出した。 最初のアルゴリズムは、相互に介在する間接的な横接続を持つネットワークにマップする。 第2のアルゴリズムは、直交接続と多成分出力ニューロンを持つネットワークにマップする。

関連論文リスト

• Addressing caveats of neural persistence with deep graph persistence [54.424983583720675]
  神経の持続性に影響を与える主な要因は,ネットワークの重みのばらつきと大きな重みの空間集中である。 単一層ではなく,ニューラルネットワーク全体へのニューラルネットワークの持続性に基づくフィルタリングの拡張を提案する。 これにより、ネットワーク内の永続的なパスを暗黙的に取り込み、分散に関連する問題を緩和するディープグラフの永続性測定が得られます。
  論文  参考訳（メタデータ） (2023-07-20T13:34:11Z)
• Neural Bayesian Network Understudy [13.28673601999793]
  ニューラルネットワークは条件付き確率を出力するように訓練でき、ベイズネットワークとほぼ同じ機能を提供する。 ニューラルネットワークに与えられた因果構造から推定される独立関係を符号化する2つのトレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2022-11-15T15:56:51Z)
• Collaboration between parallel connected neural networks -- A possible criterion for distinguishing artificial neural networks from natural organs [0.0]
  人工ニューラルネットワークが並列に接続され、一緒に訓練された場合、以下の特性が示される。 これらの性質は、天然の生物学的感覚器官にはありそうにない。 さらに、活性化関数として機能する場合、ReLU関数は、シグモイドやTanh関数よりも、人工ニューラルネットワークをよりバイオニックにすることができることを示す。
  論文  参考訳（メタデータ） (2022-08-21T23:18:28Z)
• 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)
• 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)
• 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)
• A Normative and Biologically Plausible Algorithm for Independent Component Analysis [15.082715993594121]
  信号処理では、線形ブラインド音源分離問題は独立成分分析(ICA)によってしばしば解決される。 生物学的回路のモデルとして機能するためには、ICAニューラルネットワーク(NN)は、少なくとも以下の要件を満たす必要がある。 本稿では,ニューラルアーキテクチャとシナプス学習規則の両方を含む生物学的に妥当なNNを導出するICAの目的関数を提案する。
  論文  参考訳（メタデータ） (2021-11-17T01:43:42Z)
• The Separation Capacity of Random Neural Networks [78.25060223808936]
  標準ガウス重みと一様分布バイアスを持つ十分に大きな2層ReLUネットワークは、この問題を高い確率で解くことができることを示す。 我々は、相互複雑性という新しい概念の観点から、データの関連構造を定量化する。
  論文  参考訳（メタデータ） (2021-07-31T10:25:26Z)
• A biologically plausible neural network for local supervision in cortical microcircuits [17.00937011213428]
  我々は、明示的なエラーやバックプロパゲーションを避けるニューラルネットワークを訓練するためのアルゴリズムを導出する。 我々のアルゴリズムは、大脳皮質の接続構造や学習規則に顕著な類似性を持つニューラルネットワークにマップする。
  論文  参考訳（メタデータ） (2020-11-30T17:35:22Z)
• A biologically plausible neural network for multi-channel Canonical Correlation Analysis [12.940770779756482]
  皮質錐体ニューロンは、複数の神経集団から入力を受け取り、これらの入力を別々の樹状体区画に統合する。 我々は,生物学的に妥当なニューラルネットワークで実装可能なマルチチャネルCAAアルゴリズムを提案する。 生物学的信頼性のためには、ネットワークはオンライン環境で動作し、シナプス更新ルールはローカルである必要がある。
  論文  参考訳（メタデータ） (2020-10-01T16:17:53Z)
• Exploiting Heterogeneity in Operational Neural Networks by Synaptic Plasticity [87.32169414230822]
  最近提案されたネットワークモデルであるオペレーショナルニューラルネットワーク(ONN)は、従来の畳み込みニューラルネットワーク(CNN)を一般化することができる。 本研究では, 生体ニューロンにおける本質的な学習理論を示すSynaptic Plasticityパラダイムに基づいて, ネットワークの隠蔽ニューロンに対する最強演算子集合の探索に焦点をあてる。 高難易度問題に対する実験結果から、神経細胞や層が少なくても、GISベースのONNよりも優れた学習性能が得られることが示された。
  論文  参考訳（メタデータ） (2020-08-21T19:03:23Z)

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。