論文の概要: Planning with Biological Neurons and Synapses
- arxiv url: http://arxiv.org/abs/2112.08186v2
- Date: Thu, 16 Dec 2021 15:33:17 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-17 11:54:12.939423
- Title: Planning with Biological Neurons and Synapses
- Title（参考訳）: 生体ニューロンとシナプスによる計画
- Authors: Francesco d'Amore, Daniel Mitropolsky, Pierluigi Crescenzi, Emanuele
Natale, Christos H. Papadimitriou
- Abstract要約: 我々はブロック世界の計画問題を再考し、この課題で知られているものを実装した。
私たちは、これがこの種の最初のアルゴリズムであると信じています。
入力はブロックスタックの初期セットとターゲットセットを符号化したシンボルのシーケンスであり、出力は"テーブル上のスタック1の上位ブロックを出力する"などの動作コマンドのシーケンスである。
- 参考スコア（独自算出の注目度）: 4.2873412319680035
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We revisit the planning problem in the blocks world, and we implement a known
heuristic for this task. Importantly, our implementation is biologically
plausible, in the sense that it is carried out exclusively through the spiking
of neurons. Even though much has been accomplished in the blocks world over the
past five decades, we believe that this is the first algorithm of its kind. The
input is a sequence of symbols encoding an initial set of block stacks as well
as a target set, and the output is a sequence of motion commands such as "put
the top block in stack 1 on the table". The program is written in the Assembly
Calculus, a recently proposed computational framework meant to model
computation in the brain by bridging the gap between neural activity and
cognitive function. Its elementary objects are assemblies of neurons (stable
sets of neurons whose simultaneous firing signifies that the subject is
thinking of an object, concept, word, etc.), its commands include project and
merge, and its execution model is based on widely accepted tenets of
neuroscience. A program in this framework essentially sets up a dynamical
system of neurons and synapses that eventually, with high probability,
accomplishes the task. The purpose of this work is to establish empirically
that reasonably large programs in the Assembly Calculus can execute correctly
and reliably; and that rather realistic -- if idealized -- higher cognitive
functions, such as planning in the blocks world, can be implemented
successfully by such programs.
- Abstract（参考訳）: 我々はブロック世界の計画問題を再考し、この課題に対して既知のヒューリスティックを実装した。
重要なことに、我々の実装は、ニューロンのスパイクによってのみ実行されるという意味で、生物学的に妥当である。
過去50年にわたってブロック世界で多くのことが達成されてきたが、この種のアルゴリズムはこれが最初のものであると信じている。
入力はブロックスタックの初期セットとターゲットセットを符号化したシンボルのシーケンスであり、出力は"テーブル上のスタック1の上位ブロックを出力する"などの動作コマンドのシーケンスである。
これは、最近提案された計算フレームワークで、神経活動と認知機能の間のギャップを埋めることで脳内の計算をモデル化することを目的としている。
その基本的な対象はニューロンのアセンブリ(被験者がオブジェクト、概念、単語などについて考えていることを示す同時発火の安定的なニューロンの集合)であり、そのコマンドにはプロジェクトとマージが含まれ、実行モデルは広く受け入れられた神経科学のテネットに基づいている。
この枠組みのプログラムは基本的にニューロンとシナプスの力学系を構築し、最終的には高い確率でタスクを達成する。
この研究の目的は、アセンブリ計算における合理的に大きなプログラムが正しく確実に実行できることを実証的に確立することであり、ブロック世界の計画のような高度な認知機能(理想化されていれば)は、そのようなプログラムによってうまく実装できる。
関連論文リスト
- No One-Size-Fits-All Neurons: Task-based Neurons for Artificial Neural Networks [25.30801109401654]
人間の脳はタスクベースのニューロンのユーザなので、人工ネットワークの設計はタスクベースのアーキテクチャ設計からタスクベースのニューロン設計に移行できるだろうか?
本稿では,タスクベースニューロンのプロトタイピングのための2段階のフレームワークを提案する。
実験により、提案されたタスクベースのニューロン設計は実現可能であるだけでなく、他の最先端モデルと競合する性能を提供することが示された。
論文 参考訳（メタデータ） (2024-05-03T09:12:46Z) - 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) - Redundancy and Concept Analysis for Code-trained Language Models [5.726842555987591]
コード学習言語モデルは、様々なコードインテリジェンスタスクに非常に効果的であることが証明されている。
計算ボトルネックとメモリ制約のため、多くのソフトウェアエンジニアリングアプリケーションのトレーニングとデプロイが難しい場合がある。
我々は,ソースコードモデルに対する最初のニューロンレベルの解析を行い,潜在表現内でのテクスチエントニューロンの同定を行う。
論文 参考訳（メタデータ） (2023-05-01T15:22:41Z) - A Neural Lambda Calculus: Neurosymbolic AI meets the foundations of
computing and functional programming [0.0]
我々は、プログラム全体の実行方法を学ぶニューラルネットワークの能力を分析する。
統合型ニューラルラーニングと電卓形式化の導入について紹介する。
論文 参考訳（メタデータ） (2023-04-18T20:30:16Z) - Sequence learning in a spiking neuronal network with memristive synapses [0.0]
脳計算の中心にある中核的な概念は、シーケンス学習と予測である。
ニューロモルフィックハードウェアは、脳が情報を処理する方法をエミュレートし、ニューロンとシナプスを直接物理的基質にマッピングする。
シークエンス学習モデルにおける生物学的シナプスの代替としてReRAMデバイスを使用することの可能性について検討する。
論文 参考訳（メタデータ） (2022-11-29T21:07:23Z) - Neuromorphic Artificial Intelligence Systems [58.1806704582023]
フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。
この記事では、そのような制限と、それらが緩和される方法について論じる。
これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
論文 参考訳（メタデータ） (2022-05-25T20:16:05Z) - Neuro-Symbolic Learning of Answer Set Programs from Raw Data [54.56905063752427]
Neuro-Symbolic AIは、シンボリックテクニックの解釈可能性と、生データから学ぶ深層学習の能力を組み合わせることを目的としている。
本稿では,ニューラルネットワークを用いて生データから潜在概念を抽出するNSIL(Neuro-Symbolic Inductive Learner)を提案する。
NSILは表現力のある知識を学習し、計算的に複雑な問題を解き、精度とデータ効率の観点から最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-05-25T12:41:59Z) - Neurocompositional computing: From the Central Paradox of Cognition to a
new generation of AI systems [120.297940190903]
AIの最近の進歩は、限られた形態のニューロコンフォメーションコンピューティングの使用によってもたらされている。
ニューロコンポジションコンピューティングの新しい形式は、より堅牢で正確で理解しやすいAIシステムを生み出します。
論文 参考訳（メタデータ） (2022-05-02T18:00:10Z) - A Robust Learning Rule for Soft-Bounded Memristive Synapses Competitive
with Supervised Learning in Standard Spiking Neural Networks [0.0]
理論神経科学における見解は、脳を機能計算装置と見なしている。
関数を近似できることは、将来の脳研究のための基礎となる公理である。
本研究では,非自明な多次元関数の学習に,ニオブをドープしたチタン酸ストロンチウムの旋律的シナプスを制御した新しい教師付き学習アルゴリズムを適用する。
論文 参考訳（メタデータ） (2022-04-12T10:21:22Z) - 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) - Neurocoder: Learning General-Purpose Computation Using Stored Neural
Programs [64.56890245622822]
ニューロコーダ(Neurocoder)は、汎用計算機の全く新しいクラスである。
共有可能なモジュール型プログラムのセットから関連するプログラムを構成することで、データ応答性のある方法で“コード”を行う。
モジュールプログラムを学習し、パターンシフトを厳しく処理し、新しいプログラムが学習されると、古いプログラムを記憶する新しい能力を示す。
論文 参考訳（メタデータ） (2020-09-24T01:39:16Z)
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。