Fugu-MT 論文翻訳(概要): Building population models for large-scale neural recordings: opportunities and pitfalls

論文の概要: Building population models for large-scale neural recordings: opportunities and pitfalls

arxiv url: http://arxiv.org/abs/2102.01807v1
Date: Wed, 3 Feb 2021 00:06:49 GMT
ステータス: 処理完了
システム内更新日: 2021-02-04 20:04:14.060461
Title: Building population models for large-scale neural recordings: opportunities and pitfalls
Title（参考訳）: 大規模神経記録のための集団モデルの構築 : 機会と落とし穴
Authors: Cole Hurwitz, Nina Kudryashova, Arno Onken, Matthias H. Hennig
Abstract要約: この分野の最近の展開について概観する。異なるアプローチを比較し、対比し、強みと限界を強調し、生物学的および機械的な洞察について議論する。まだ活発な開発領域だが、大規模なニューラル記録を解釈する強力なモデルはすでにいくつもある。
参考スコア（独自算出の注目度）: 5.218882272051637
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Modern extracellular recording technologies now enable simultaneous recording from large numbers of neurons. This has driven the development of new statistical models for analyzing and interpreting neural population activity. Here we provide a broad overview of recent developments in this area. We compare and contrast different approaches, highlight strengths and limitations, and discuss biological and mechanistic insights that these methods provide. While still an area of active development, there are already a number of powerful models for interpreting large scale neural recordings even in complex experimental settings.
Abstract（参考訳）: 現代の細胞外記録技術は、多数のニューロンからの同時記録を可能にする。これにより、神経集団活動の分析と解釈のための新しい統計モデルの開発が進められた。ここでは、この分野における最近の開発の概要を紹介します。異なるアプローチを比較して対比し、強みと限界を強調し、これらの手法が提供する生物学的および機械的な洞察について論じる。まだ活発な開発領域だが、複雑な実験環境でも大規模な神経記録を解釈するための強力なモデルが数多く存在する。

関連論文リスト

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)
Integrating Statistical and Machine Learning Approaches to Identify Receptive Field Structure in Neural Populations [1.0312968200748118]
統計的モデリングと機械学習を組み合わせた統合フレームワークを開発し、大集団のニューロンの符号化特性を同定する。この枠組みを実証するために, ラット海馬から記録されたニューロンの個体群からのデータにこれらの手法を適用した。
論文参考訳（メタデータ） (2022-07-25T16:39:09Z)
EINNs: Epidemiologically-Informed Neural Networks [75.34199997857341]
本稿では,疫病予測のための新しい物理インフォームドニューラルネットワークEINNを紹介する。メカニスティックモデルによって提供される理論的柔軟性と、AIモデルによって提供されるデータ駆動表現性の両方を活用する方法について検討する。
論文参考訳（メタデータ） (2022-02-21T18:59:03Z)
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)
Overcoming the Domain Gap in Contrastive Learning of Neural Action Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文参考訳（メタデータ） (2021-11-29T15:27:51Z)
Dynamic Neural Diversification: Path to Computationally Sustainable Neural Networks [68.8204255655161]
訓練可能なパラメータが制限された小さなニューラルネットワークは、多くの単純なタスクに対してリソース効率の高い候補となる。学習過程において隠れた層内のニューロンの多様性を探索する。ニューロンの多様性がモデルの予測にどのように影響するかを分析する。
論文参考訳（メタデータ） (2021-09-20T15:12:16Z)
Bubblewrap: Online tiling and real-time flow prediction on neural manifolds [2.624902795082451]
本稿では, 高速で安定な次元減少と, 結果のニューラル多様体のソフトタイリングを結合する手法を提案する。得られたモデルはキロヘルツのデータレートでトレーニングでき、数分で神経力学の正確な近似を生成し、ミリ秒以下の時間スケールで予測を生成する。
論文参考訳（メタデータ） (2021-08-31T16:01:45Z)
Neuron-level Interpretation of Deep NLP Models: A Survey [22.035813865470956]
ディープニューラルネットワークモデルのコンポーネントを分析し、理解するために、数多くの研究がなされている。最近の研究は、より粒度の細かいレベルでの解釈可能性に集中し、大きなモデルでニューロンとニューロンのグループを分析している。
論文参考訳（メタデータ） (2021-08-30T11:54:21Z)
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)
Learning identifiable and interpretable latent models of high-dimensional neural activity using pi-VAE [10.529943544385585]
本稿では,潜在モデルと従来のニューラルエンコーディングモデルから重要な要素を統合する手法を提案する。我々の手法であるpi-VAEは、同定可能な変分自動エンコーダの最近の進歩にインスパイアされている。人工データを用いてpi-VAEを検証し,それをラット海馬およびマカク運動野の神経生理学的データセットの解析に応用した。
論文参考訳（メタデータ） (2020-11-09T22:00:38Z)

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。