論文の概要: A Neural Dynamic Model based on Activation Diffusion and a
Micro-Explanation for Cognitive Operations
- arxiv url: http://arxiv.org/abs/2012.00104v1
- Date: Fri, 27 Nov 2020 01:34:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 02:39:45.699328
- Title: A Neural Dynamic Model based on Activation Diffusion and a
Micro-Explanation for Cognitive Operations
- Title（参考訳）: 活性化拡散に基づくニューラルダイナミックモデルと認知操作のためのマイクロエクスラレーション
- Authors: Hui Wei
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.416484585765028
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The neural mechanism of memory has a very close relation with the problem of
representation in artificial intelligence. In this paper a computational model
was proposed to simulate the network of neurons in brain and how they process
information. The model refers to morphological and electrophysiological
characteristics of neural information processing, and is based on the
assumption that neurons encode their firing sequence. The network structure,
functions for neural encoding at different stages, the representation of
stimuli in memory, and an algorithm to form a memory were presented. It also
analyzed the stability and recall rate for learning and the capacity of memory.
Because neural dynamic processes, one succeeding another, achieve a
neuron-level and coherent form by which information is represented and
processed, it may facilitate examination of various branches of Artificial
Intelligence, such as inference, problem solving, pattern recognition, natural
language processing and learning. The processes of cognitive manipulation
occurring in intelligent behavior have a consistent representation while all
being modeled from the perspective of computational neuroscience. Thus, the
dynamics of neurons make it possible to explain the inner mechanisms of
different intelligent behaviors by a unified model of cognitive architecture at
a micro-level.
- Abstract（参考訳）: 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に関係している。
本稿では,脳内のニューロンのネットワークをシミュレートする計算モデルを提案し,その処理方法について述べる。
このモデルは神経情報処理の形態学的および電気生理学的特性を指し、ニューロンが発射シーケンスを符号化しているという仮定に基づいている。
ネットワーク構造, 異なる段階における神経エンコーディング機能, 記憶における刺激の表現, 記憶を形成するアルゴリズムなどが提示された。
また、学習の安定性と記憶能力のリコール率も分析した。
神経のダイナミックなプロセスが後継として、情報が表現され、処理されるニューロンレベルかつコヒーレントな形式を実現するため、推論、問題解決、パターン認識、自然言語処理、学習など、人工知能のさまざまな分野の検証が容易になる。
知的行動において起こる認知的操作の過程は一貫した表現を持ち、計算神経科学の観点からモデル化される。
したがって、ニューロンのダイナミクスは、マイクロレベルで認知アーキテクチャの統一モデルによって、異なる知的行動の内部メカニズムを説明することができる。
関連論文リスト
- Neural Dynamics Model of Visual Decision-Making: Learning from Human Experts [28.340344705437758]
視覚入力から行動出力まで,包括的な視覚的意思決定モデルを実装した。
我々のモデルは人間の行動と密接に一致し、霊長類の神経活動を反映する。
ニューロイメージング・インフォームド・ファインチューニング手法を導入し、モデルに適用し、性能改善を実現した。
論文 参考訳（メタデータ） (2024-09-04T02:38:52Z) - 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) - 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) - Brain-inspired Graph Spiking Neural Networks for Commonsense Knowledge
Representation and Reasoning [11.048601659933249]
神経科学、認知科学、心理学、人工知能において、人間の脳におけるニューラルネットワークがどのように常識知識を表現するかは重要な研究トピックである。
本研究は, 個体群エンコーディングとスパイクタイミング依存的可塑性(STDP)機構をスパイクニューラルネットワークの学習に組み込む方法について検討する。
異なるコミュニティのニューロン集団は、コモンセンス知識グラフ全体を構成し、巨大なグラフがニューラルネットワークをスパイクする。
論文 参考訳（メタデータ） (2022-07-11T05:22:38Z) - 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) - Mapping and Validating a Point Neuron Model on Intel's Neuromorphic
Hardware Loihi [77.34726150561087]
インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。
Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。
Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
論文 参考訳（メタデータ） (2021-09-22T16:52:51Z) - A brain basis of dynamical intelligence for AI and computational
neuroscience [0.0]
より多くの脳のような能力は、新しい理論、モデル、および人工学習システムを設計する方法を要求するかもしれない。
本稿は,第6回US/NIH BRAIN Initiative Investigators Meetingにおける動的神経科学と機械学習に関するシンポジウムに触発されたものです。
論文 参考訳（メタデータ） (2021-05-15T19:49:32Z) - 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)
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。