論文の概要: Neurons as hierarchies of quantum reference frames
- arxiv url: http://arxiv.org/abs/2201.00921v1
- Date: Tue, 4 Jan 2022 00:53:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-02 07:54:50.272991
- Title: Neurons as hierarchies of quantum reference frames
- Title(参考訳): 量子参照フレームの階層としてのニューロン
- Authors: Chris Fields, James F. Glazebrook and Michael Levin
- Abstract要約: 我々は、シナプス、樹状突起および軸索過程、ニューロン、局所ネットワークの均一でスケーラブルな表現を開発する。
発達的・再生的文脈において、モデルがどのように非神経細胞や組織に一般化されるのかを概説する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conceptual and mathematical models of neurons have lagged behind empirical
understanding for decades. Here we extend previous work in modeling biological
systems with fully scale-independent quantum information-theoretic tools to
develop a uniform, scalable representation of synapses, dendritic and axonal
processes, neurons, and local networks of neurons. In this representation,
hierarchies of quantum reference frames act as hierarchical active-inference
systems. The resulting model enables specific predictions of correlations
between synaptic activity, dendritic remodeling, and trophic reward. We
summarize how the model may be generalized to nonneural cells and tissues in
developmental and regenerative contexts.
- Abstract(参考訳): ニューロンの概念と数学的モデルは、数十年間経験的理解に遅れを取ってきた。
ここでは,完全なスケールに依存しない量子情報理論ツールを用いて生体システムをモデル化し,シナプスの均一でスケーラブルな表現,樹状および軸索のプロセス,ニューロン,およびニューロンの局所ネットワークを構築する。
この表現において、量子参照フレームの階層は階層的アクティブ推論システムとして機能する。
その結果,シナプス活動,デンドリティックリモデリング,トロフィー報酬の相関関係の予測が可能となった。
発達的および再生的文脈において、このモデルがどのように非神経細胞や組織に一般化されるのかを概説する。
関連論文リスト
- Equivalence of Additive and Multiplicative Coupling in Spiking Neural
Networks [0.0]
スパイキングニューラルネットワークモデルは、生物学的ニューロンの回路の創発的集団力学を特徴付ける。
加法結合を持つスパイクニューラルネットワークモデルは乗法結合を持つモデルと等価であることを示す。
論文 参考訳(メタデータ) (2023-03-31T20:19:11Z) - Contrastive-Signal-Dependent Plasticity: Forward-Forward Learning of
Spiking Neural Systems [73.18020682258606]
我々は、ニューロンの個々の層が並列に機能する、スパイキングニューロンユニットからなる神経模倣アーキテクチャを開発する。
コントラスト信号依存塑性(CSDP)と呼ばれるイベントベース前方学習の一般化を提案する。
いくつかのパターンデータセットに対する実験結果から,CSDPプロセスは分類と再構成の両方が可能な動的再帰スパイクネットワークのトレーニングに有効であることが示された。
論文 参考訳(メタデータ) (2023-03-30T02:40:28Z) - A Quantum-Classical Model of Brain Dynamics [62.997667081978825]
混合ワイル記号は、脳の過程を顕微鏡レベルで記述するために用いられる。
プロセスに関与する電磁場とフォノンモードは古典的または半古典的に扱われる。
ゼロ点量子効果は、各フィールドモードの温度を制御することで数値シミュレーションに組み込むことができる。
論文 参考訳(メタデータ) (2023-01-17T15:16:21Z) - 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) - The Free Energy Principle drives neuromorphic development [0.0]
形態学的な自由度と局所的に制限された自由エネルギーを持つシステムは、ニューロモルフィックな形態に向かってどのように進化するかを示す。
この形態学は、各レベルが入力の粗粒化を行い、出力の微細粒化を行う階層計算をサポートする。
論文 参考訳(メタデータ) (2022-07-20T08:22:03Z) - Cross-Frequency Coupling Increases Memory Capacity in Oscillatory Neural
Networks [69.42260428921436]
クロス周波数カップリング(CFC)は、ニューロンの集団間での情報統合と関連している。
我々は,海馬および大脳皮質における観測された$theta - gamma$振動回路の計算的役割を予測するCFCのモデルを構築した。
CFCの存在は, 可塑性シナプスによって結合された神経細胞のメモリ容量を増加させることを示す。
論文 参考訳(メタデータ) (2022-04-05T17:13:36Z) - 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) - Modelling Neuronal Behaviour with Time Series Regression: Recurrent
Neural Networks on C. Elegans Data [0.0]
我々は、C. Elegansの神経システムを、異なるニューラルネットワークアーキテクチャを用いてデータ駆動モデルでモデル化し、シミュレートする方法を示す。
隠れ層の大きさが4単位のGRUモデルでは,異なる刺激に対するシステムの応答を高精度に再現可能であることを示す。
論文 参考訳(メタデータ) (2021-07-01T10:39:30Z) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳(メタデータ) (2021-04-22T04:01:32Z) - Modeling the Nervous System as An Open Quantum System [4.590533239391236]
本稿では,ニューロン同士の相互作用をシミュレートする多ニューロン相互作用系のニューラルネットワークモデルを提案する。
我々は、デンドライト、軸索、シナプスを含む神経細胞周囲を物理的にモデル化する。
このモデルはランダムニューロンとニューロンの相互作用を発生させることができ、神経系における情報伝達の過程を物理的に記述するのに適している。
論文 参考訳(メタデータ) (2021-03-18T10:17:09Z) - 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)
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。