論文の概要: Neural population geometry: An approach for understanding biological and
artificial neural networks
- arxiv url: http://arxiv.org/abs/2104.07059v1
- Date: Wed, 14 Apr 2021 18:10:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-17 08:46:38.637081
- Title: Neural population geometry: An approach for understanding biological and
artificial neural networks
- Title（参考訳）: 神経集団幾何:生物と人工のニューラルネットワークを理解するためのアプローチ
- Authors: SueYeon Chung, L. F. Abbott
- Abstract要約: 生体および人工ニューラルネットワークの機能に関する洞察を提供する幾何学的アプローチの例を概観する。
神経集団幾何学は、生体と人工のニューラルネットワークにおける構造と機能の理解を統一する可能性がある。
- 参考スコア（独自算出の注目度）: 3.4809730725241605
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Advances in experimental neuroscience have transformed our ability to explore
the structure and function of neural circuits. At the same time, advances in
machine learning have unleashed the remarkable computational power of
artificial neural networks (ANNs). While these two fields have different tools
and applications, they present a similar challenge: namely, understanding how
information is embedded and processed through high-dimensional representations
to solve complex tasks. One approach to addressing this challenge is to utilize
mathematical and computational tools to analyze the geometry of these
high-dimensional representations, i.e., neural population geometry. We review
examples of geometrical approaches providing insight into the function of
biological and artificial neural networks: representation untangling in
perception, a geometric theory of classification capacity, disentanglement and
abstraction in cognitive systems, topological representations underlying
cognitive maps, dynamic untangling in motor systems, and a dynamical approach
to cognition. Together, these findings illustrate an exciting trend at the
intersection of machine learning, neuroscience, and geometry, in which neural
population geometry provides a useful population-level mechanistic descriptor
underlying task implementation. Importantly, geometric descriptions are
applicable across sensory modalities, brain regions, network architectures and
timescales. Thus, neural population geometry has the potential to unify our
understanding of structure and function in biological and artificial neural
networks, bridging the gap between single neurons, populations and behavior.
- Abstract（参考訳）: 実験神経科学の進歩は、神経回路の構造と機能を調べる能力を変えた。
同時に、機械学習の進歩は、人工ニューラルネットワーク(ANN)の驚くべき計算能力を生み出した。
これら2つの分野は異なるツールとアプリケーションを持っているが、同様の課題を提示する:すなわち、複雑なタスクを解決するために、情報がどのように埋め込まれ、どのように処理されるかを理解する。
この課題に対処する1つのアプローチは、数学的および計算的なツールを使ってこれらの高次元表現、すなわち神経集団幾何学の幾何学を分析することである。
本稿では,生物学的ニューラルネットワークと人工ニューラルネットワークの機能に関する洞察を提供する幾何学的アプローチの例を概説する。認識における表現の解き方,認知システムにおける分類能力の幾何学的理論,認識マップに基づくトポロジ的表現,運動系における動的解き方,認識に対する動的アプローチである。
これらの知見は、機械学習、神経科学、および幾何学の交点においてエキサイティングな傾向を示しており、そこでは、神経集団幾何がタスク実装の基礎となる人口レベルの機械的な記述子を提供する。
重要なことは、幾何学的記述は、知覚的モダリティ、脳領域、ネットワークアーキテクチャ、時間スケールにまたがる。
このように、神経集団幾何学は、生物学的および人工ニューラルネットワークにおける構造と機能の理解を統一し、単一ニューロンと個体群と行動の間のギャップを埋める可能性がある。
関連論文リスト
- Enhancing learning in spiking neural networks through neuronal heterogeneity and neuromodulatory signaling [52.06722364186432]
人工ニューラルネットワーク(ANN)の強化のための生物学的インフォームドフレームワークを提案する。
提案したデュアルフレームアプローチは、多様なスパイキング動作をエミュレートするためのスパイキングニューラルネットワーク(SNN)の可能性を強調している。
提案手法は脳にインスパイアされたコンパートメントモデルとタスク駆動型SNN, バイオインスピレーション, 複雑性を統合している。
論文 参考訳（メタデータ） (2024-07-05T14:11:28Z) - 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) - Human-Like Geometric Abstraction in Large Pre-trained Neural Networks [6.650735854030166]
幾何学的視覚処理の認知科学における経験的結果を再考する。
幾何学的視覚処理における3つの重要なバイアスを同定する。
我々は、人間のバイアスを調査する文献からタスクをテストし、AIで使用される大規模なトレーニング済みニューラルネットワークモデルにより、より人間的な抽象幾何学的処理が示されることを示した。
論文 参考訳（メタデータ） (2024-02-06T17:59:46Z) - Probing Biological and Artificial Neural Networks with Task-dependent
Neural Manifolds [12.037840490243603]
本稿では,ニューラルネットワークの内部機構について,ニューラル集団幾何学のレンズを用いて検討する。
学習目的の違いが,これらのモデルの組織戦略の違いにどのように影響するかを定量的に評価する。
これらの分析は、ニューラルネットワークにおける機械的および規範的理論を神経集団幾何学を通してブリッジする強力な方向を示す。
論文 参考訳（メタデータ） (2023-12-21T20:40:51Z) - 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) - Advanced Computing and Related Applications Leveraging Brain-inspired
Spiking Neural Networks [0.0]
スパイクニューラルネットワークは、脳に似たコンピューティングを実現する人工知能のコアの1つである。
本稿では,5つのニューロンモデルの強み,弱さ,適用性について要約し,5つのネットワークトポロジの特徴を解析する。
論文 参考訳（メタデータ） (2023-09-08T16:41:08Z) - 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) - 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) - 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) - Interpretability of Neural Network With Physiological Mechanisms [5.1971653175509145]
ディープラーニングは、レグレッションと分類タスクの様々な領域で異常な精度を達成した強力な最先端技術として、引き続き機能している。
ニューラルネットワークモデルを最初に提案する目的は、数学的表現アプローチを使用して複雑な人間の脳を理解することを改善することである。
近年のディープラーニング技術は、ブラックボックス近似器として扱われることによって、機能的プロセスの解釈を失う傾向にある。
論文 参考訳（メタデータ） (2022-03-24T21:40:04Z) - 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)
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。