論文の概要: Sensory attenuation develops as a result of sensorimotor experience
- arxiv url: http://arxiv.org/abs/2111.02666v1
- Date: Thu, 4 Nov 2021 07:12:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-05 22:39:49.221817
- Title: Sensory attenuation develops as a result of sensorimotor experience
- Title（参考訳）: 感覚運動経験の結果として感覚減衰が発達する
- Authors: Hayato Idei, Wataru Ohata, Yuichi Yamashita, Tetsuya Ogata and Jun
Tani
- Abstract要約: 我々は、知覚(固有受容と外受容)、関連性、実行領域からなるニューラルネットワークモデルを作成しました。
ネットワークによって制御された模擬ロボットは、自己生成または外部生成された外部受容フィードバックで運動パターンを取得することを学習した。
その結果,ロボットは学習初期において,自己生成型と外部生成型の両方の感覚・関連領域の反応を初めて増加させた。
- 参考スコア（独自算出の注目度）: 7.109236732052832
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The brain attenuates its responses to self-produced exteroceptions (e.g., we
cannot tickle ourselves). Is this phenomenon, called sensory attenuation,
enabled innately, or is it acquired through learning? To explore the latter
possibility, we created a neural network model consisting of sensory
(proprioceptive and exteroceptive), association, and executive areas. A
simulated robot controlled by the network learned to acquire motor patterns
with self-produced or externally produced exteroceptive feedback. We found that
the robot first increased responses in sensory and association areas for both
self-produced and externally produced conditions in the early stage of
learning, but then, gradually it attenuated responses in sensory areas only for
self-produced conditions. The robot spontaneously acquired a capacity to switch
(attenuate or amplify) responses in sensory areas depending on the conditions
by switching the neural state of the executive area. This suggests that
proactive control of sensory-information flow inside the network was
self-organized through learning. We also found that innate alterations in the
modulation of sensory-information flow induced some characteristics analogous
to schizophrenia and autism spectrum disorder. This study provides a novel
perspective on neural mechanisms underlying perceptual phenomena and
psychiatric disorders.
- Abstract（参考訳）: 脳は自発性外分泌に対する反応を弱める(例えば、私たち自身をくすぐることはできない)。
この現象は感覚減衰と呼ばれ、自然に可能か、学習によって得られるのか?
後者の可能性を探るために,知覚(プロセプティブとエクスセプティブ)とアソシエーション,エグゼクティブ領域からなるニューラルネットワークモデルを開発した。
ネットワークによって制御されるシミュレーションロボットは、自己生成または外部生成のエクセプティブフィードバックで運動パターンを取得することを学習した。
学習の早い段階では, 自己生産環境と外部生産条件の両方において, 知覚・関連領域での反応を最初に増加させたが, 徐々に, 自己生産条件のみにおいて, 感覚領域の反応を弱めていった。
ロボットは、実行領域の神経状態を切り替えることで、状況に応じて感覚領域の応答を切り替え(減衰または増幅)する能力を自発的に獲得する。
これはネットワーク内の感覚情報フローの積極的な制御が学習を通じて自己組織化されたことを示唆している。
また,感覚情報流の変化は統合失調症や自閉症スペクトラム障害に類似したいくつかの特徴を誘発した。
本研究は、知覚現象と精神疾患を基盤とする神経機構の新しい視点を提供する。
関連論文リスト
- Evolving Self-Assembling Neural Networks: From Spontaneous Activity to Experience-Dependent Learning [7.479827648985631]
本稿では, 自己組織型ニューラルネットワークを, 活動と報酬に依存した方法でシナプス的, 構造的可塑性のクラスとして提案する。
その結果、ランダムに接続されたネットワークや空きネットワークから、異なる制御タスクの経験からモデルが学習できることが示されている。
論文 参考訳（メタデータ） (2024-06-14T07:36:21Z) - Learn to integrate parts for whole through correlated neural variability [8.173681663544757]
感覚知覚は感覚ニューロンの反応に起因し、特定の知覚物体の物理的特性に関連付けられた知覚信号の集まりに反応する。
これらの神経反応から脳がどのように知覚情報を抽出するかを明らかにすることは、計算神経科学と機械学習の両方において重要な課題である。
本稿では,知覚情報を知覚ニューロンの相関変数に符号化し,下流ニューロンの発火速度に変換する統計力学理論を提案する。
論文 参考訳（メタデータ） (2024-01-01T13:05:29Z) - 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) - Learning with Chemical versus Electrical Synapses -- Does it Make a
Difference? [61.85704286298537]
バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。
我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
論文 参考訳（メタデータ） (2023-11-21T13:07:20Z) - 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) - Adapting Brain-Like Neural Networks for Modeling Cortical Visual
Prostheses [68.96380145211093]
皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。
現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。
我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
論文 参考訳（メタデータ） (2022-09-27T17:33:19Z) - Embodiment Enables Non-Predictive Ways of Coping with Self-Caused
Sensory Stimuli [0.0]
リビングシステムは、適応的な振る舞いを促進するために感覚データを処理します。
本研究では, センサモレータを自作した簡易なエンボディードシステムの計算モデルを実装した。
自己因果入力を制御するための行動を制御するソリューションは、自己因果入力を予測・フィルタリングするソリューションよりも、出現する傾向にある。
論文 参考訳（メタデータ） (2022-05-13T04:35:05Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - From Biological Synapses to Intelligent Robots [0.0]
ヘビアンシナプス学習は、機械学習とインテリジェンスのための機能的関連モデルとして議論されている。
適応的な学習と制御の可能性を、監督なしで先導する。
ここで収集された洞察は、インテリジェントなロボティクスとセンサーシステムの選択ソリューションとして、Hebbianモデルに向けられている。
論文 参考訳（メタデータ） (2022-02-25T12:39:22Z) - 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) - Neural Autopoiesis: Organizing Self-Boundary by Stimulus Avoidance in
Biological and Artificial Neural Networks [0.0]
生体と人工のニューラルネットワークを用いた自律的自己境界制御について検討する。
これまでの研究では、培養されたニューラルネットワークを具現化し、スパイク刺激依存性(STDP)を持つニューラルネットワークをスパイクすることで、外部からの刺激を避けることで行動を学ぶことが示されていた。
制御不能ニューロンを自己とみなし,制御不能ニューロンを自己とみなし,制御不能ニューロンを非自己とみなすネットワークにおいて,これらの特性を自己と非自己の自律的規制と見なしている。
論文 参考訳（メタデータ） (2020-01-27T09:27:50Z)
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。