論文の概要: Fine-Grained System Identification of Nonlinear Neural Circuits
- arxiv url: http://arxiv.org/abs/2106.05400v1
- Date: Wed, 9 Jun 2021 21:28:27 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-12 23:22:08.717072
- Title: Fine-Grained System Identification of Nonlinear Neural Circuits
- Title（参考訳）: 非線形ニューラルネットワークの細粒度システム同定
- Authors: Dawna Bagherian, James Gornet, Jeremy Bernstein, Yu-Li Ni, Yisong Yue,
and Markus Meister
- Abstract要約: 高次元合成関数の疎非線形モデル回復問題について検討する。
重み付けの制約がシステムの回復に必要な条件であることに気付きました。
マウス網膜から収集したデータを用いて網膜神経節細胞回路を解析した。
- 参考スコア（独自算出の注目度）: 29.346746242270687
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We study the problem of sparse nonlinear model recovery of high dimensional
compositional functions. Our study is motivated by emerging opportunities in
neuroscience to recover fine-grained models of biological neural circuits using
collected measurement data. Guided by available domain knowledge in
neuroscience, we explore conditions under which one can recover the underlying
biological circuit that generated the training data. Our results suggest
insights of both theoretical and practical interests. Most notably, we find
that a sign constraint on the weights is a necessary condition for system
recovery, which we establish both theoretically with an identifiability
guarantee and empirically on simulated biological circuits. We conclude with a
case study on retinal ganglion cell circuits using data collected from mouse
retina, showcasing the practical potential of this approach.
- Abstract（参考訳）: 高次元合成関数の疎非線形モデル回復問題について検討する。
我々の研究は、収集された測定データを用いて生体神経回路のきめ細かいモデルを復元する神経科学の新たな機会に動機付けられている。
神経科学における利用可能なドメイン知識に導かれ、トレーニングデータを生成する基礎となる生体回路を回復できる条件を探索する。
結果は理論的・実用的双方の関心の見識を示唆する。
最も注目すべきは、重み付けに対する符号制約がシステムの回復に必要条件であることであり、理論上は識別可能性保証と、シミュレーションされた生物学的回路の両方で確立する。
マウス網膜から収集したデータを用いた網膜神経節細胞回路のケーススタディにより,本手法の実用化の可能性を示した。
関連論文リスト
- Deep Latent Variable Modeling of Physiological Signals [0.8702432681310401]
潜時変動モデルを用いた生理モニタリングに関する高次元問題について検討する。
まず、光学的に得られた信号を入力として、心の電気波形を生成するための新しい状態空間モデルを提案する。
次に,確率的グラフィカルモデルの強みと深い敵対学習を組み合わせた脳信号モデリング手法を提案する。
第3に,生理的尺度と行動の合同モデリングのための枠組みを提案する。
論文 参考訳（メタデータ） (2024-05-29T17:07:33Z) - 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) - Neuroformer: Multimodal and Multitask Generative Pretraining for Brain Data [3.46029409929709]
最先端のシステム神経科学実験は大規模なマルチモーダルデータを生み出し、これらのデータセットは分析のための新しいツールを必要とする。
視覚領域と言語領域における大きな事前学習モデルの成功に触発されて、我々は大規模な細胞分解性神経スパイクデータの解析を自己回帰生成問題に再構成した。
我々はまず、シミュレーションデータセットでNeuroformerを訓練し、本質的なシミュレートされた神経回路の動作を正確に予測し、方向を含む基盤となる神経回路の接続性を推定した。
論文 参考訳（メタデータ） (2023-10-31T20:17:32Z) - The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。
ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。
本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
論文 参考訳（メタデータ） (2023-06-14T13:34:13Z) - 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) - Unsupervised physics-informed neural network in reaction-diffusion
biology models (Ulcerative colitis and Crohn's disease cases) A preliminary
study [0.0]
偏微分方程式(PDE)のクラスにおける物理情報ニューラルネットワーク(PINN)の可能性について検討する。
これらのPDEはクローン病や潰瘍性大腸炎などの慢性炎症性腸疾患の伝播をモデル化するために用いられる。
我々は, PINN法といくつかの線形PDEと非線形PDEの関係を, 生物学との関係で定量化する。
論文 参考訳（メタデータ） (2023-02-15T00:06:24Z) - 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) - 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) - Evolving spiking neuron cellular automata and networks to emulate in
vitro neuronal activity [0.0]
我々は生体内における生体ニューロンの行動パターンをエミュレートするスパイキング神経系を生産する。
我々のモデルは、ネットワーク全体の同期レベルを生成できた。
トップパフォーマンスモデルのゲノムは、生成した活動の複雑さを決定する上で、モデル内の接続の興奮性と密度が重要な役割を果たすことを示している。
論文 参考訳（メタデータ） (2021-10-15T17:55:04Z) - Neuro-symbolic Neurodegenerative Disease Modeling as Probabilistic
Programmed Deep Kernels [93.58854458951431]
本稿では、神経変性疾患のパーソナライズされた予測モデリングのための、確率的プログラムによる深層カーネル学習手法を提案する。
我々の分析は、ニューラルネットワークとシンボリック機械学習のアプローチのスペクトルを考慮する。
我々は、アルツハイマー病の予測問題について評価を行い、深層学習を超越した結果を得た。
論文 参考訳（メタデータ） (2020-09-16T15:16:03Z)
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。