論文の概要: Neural Circuit Architectural Priors for Embodied Control
- arxiv url: http://arxiv.org/abs/2201.05242v1
- Date: Thu, 13 Jan 2022 23:22:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-17 15:29:13.909273
- Title: Neural Circuit Architectural Priors for Embodied Control
- Title（参考訳）: 具体化制御のためのニューラル回路アーキテクチャ優先事項
- Authors: Nikhil X. Bhattasali, Anthony M. Zador, Tatiana A. Engel
- Abstract要約: 自然界では、動物は進化によって形作られた神経系において、高度に構造化された接続によって生まれます。
本研究では, 生体にインスパイアされたネットワークアーキテクチャが, 運動制御の文脈でどのような利点をもたらすのかを問う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial neural networks for simulated motor control and robotics often
adopt generic architectures like fully connected MLPs. While general, these
tabula rasa architectures rely on large amounts of experience to learn, are not
easily transferable to new bodies, and have internal dynamics that are
difficult to interpret. In nature, animals are born with highly structured
connectivity in their nervous systems shaped by evolution; this innate
circuitry acts synergistically with learning mechanisms to provide inductive
biases that enable most animals to function well soon after birth and improve
abilities efficiently. Convolutional networks inspired by visual circuitry have
encoded useful biases for vision. However, it is unknown the extent to which
ANN architectures inspired by neural circuitry can yield useful biases for
other domains. In this work, we ask what advantages biologically inspired
network architecture can provide in the context of motor control. Specifically,
we translate C. elegans circuits for locomotion into an ANN model controlling a
simulated Swimmer agent. On a locomotion task, our architecture achieves good
initial performance and asymptotic performance comparable with MLPs, while
dramatically improving data efficiency and requiring orders of magnitude fewer
parameters. Our architecture is more interpretable and transfers to new body
designs. An ablation analysis shows that principled excitation/inhibition is
crucial for learning, while weight initialization contributes to good initial
performance. Our work demonstrates several advantages of ANN architectures
inspired by systems neuroscience and suggests a path towards modeling more
complex behavior.
- Abstract（参考訳）: シミュレーションモーター制御とロボット工学のためのニューラルネットワークは、完全に接続されたMLPのような一般的なアーキテクチャを採用することが多い。
一般に、これらのタブラ・ラーサのアーキテクチャは、学習する大量の経験に依存しており、新しい体に容易に移行できず、解釈が難しい内部ダイナミクスを持っている。
自然界では、動物は進化によって形成された神経系に高度に構造化された結合を持って生まれており、この自然回路は学習機構と相乗的に作用し、ほとんどの動物が生後すぐに機能し、能力を向上させる誘導バイアスを提供する。
視覚回路にインスパイアされた畳み込みネットワークは、視覚に有用なバイアスを符号化している。
しかし、ニューラルネットワークにインスパイアされたANNアーキテクチャが、他のドメインに有用なバイアスをもたらすかどうかは不明である。
本研究では,生体にインスパイアされたネットワークアーキテクチャが,運動制御の文脈でどのような利点をもたらすのかを問う。
具体的には, C. elegans 回路をシミュレーションスイマーエージェントを制御する ANN モデルに変換する。
locomotionタスクでは,mlpsに匹敵する優れた初期性能と漸近的な性能を実現し,データ効率を劇的に向上し,パラメータを桁違いに削減した。
私たちのアーキテクチャはより解釈可能で、新しいボディデザインに移行します。
アブレーション分析は、原則的興奮/抑制が学習に不可欠であることを示し、重み初期化は優れた初期性能に寄与することを示している。
私たちの研究は、システム神経科学に触発されたanアーキテクチャのいくつかの利点を示し、より複雑な行動のモデリングへの道を提案する。
関連論文リスト
- Neural Circuit Architectural Priors for Quadruped Locomotion [18.992630001752136]
自然界では、動物は神経系のアーキテクチャーの形で先駆的に生まれる。
この研究は、ニューラルサーキットがロコモーションに価値あるアーキテクチャ上の先行を提供することを示している。
論文 参考訳（メタデータ） (2024-10-09T17:59:45Z) - Single Neuromorphic Memristor closely Emulates Multiple Synaptic
Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。
これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文 参考訳（メタデータ） (2024-02-26T15:01:54Z) - 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) - Brain-inspired Evolutionary Architectures for Spiking Neural Networks [6.607406750195899]
スパイキングニューラルネットワーク(SNN)の効率的なアーキテクチャ最適化について検討する。
本稿では,脳にインスパイアされた局所モジュール構造とグローバルモジュール接続を取り入れたSNNアーキテクチャを進化させる。
本稿では,高性能,効率,消費電力の少ないSNNを用いた,数ショット性能予測器に基づく効率的な多目的進化アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-09-11T06:39:11Z) - 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) - Biological connectomes as a representation for the architecture of
artificial neural networks [0.0]
我々は、C. Elegans線虫の運動回路を、生物物理学的リアリズムの様々なレベルにおいて、人工ニューラルネットワークに変換する。
C. Elegans の移動回路は移動問題に強力な帰納バイアスを与えるが,その構造は移動に関係のないタスクのパフォーマンスを阻害する可能性がある。
論文 参考訳（メタデータ） (2022-09-28T20:25:26Z) - Improving Sample Efficiency of Value Based Models Using Attention and
Vision Transformers [52.30336730712544]
性能を犠牲にすることなくサンプル効率を向上させることを目的とした深層強化学習アーキテクチャを提案する。
状態表現の特徴マップ上の自己注意機構を変換器を用いて学習する視覚的注意モデルを提案する。
我々は,このアーキテクチャがいくつかのAtari環境におけるサンプルの複雑さを向上すると同時に,いくつかのゲームにおいて優れたパフォーマンスを実現することを実証的に実証した。
論文 参考訳（メタデータ） (2022-02-01T19:03:03Z) - A neural net architecture based on principles of neural plasticity and
development evolves to effectively catch prey in a simulated environment [2.834895018689047]
A-Lifeにとっての大きな課題は、行動が「ライフライク」なエージェントを深く構築することである。
本稿では,動物の脳を構成するプロセスに類似したプロセスを用いて,人工エージェントを駆動するネットワークを構築するためのアーキテクチャとアプローチを提案する。
このアーキテクチャは、センサー入力の変化に対する迅速な応答を可能にするため、小さな自律ロボットやドローンを制御するのに有用であると考えています。
論文 参考訳（メタデータ） (2022-01-28T05:10:56Z) - Dynamic Inference with Neural Interpreters [72.90231306252007]
本稿では,モジュールシステムとしての自己アテンションネットワークにおける推論を分解するアーキテクチャであるNeural Interpretersを提案する。
モデルへの入力は、エンドツーエンドの学習方法で一連の関数を通してルーティングされる。
ニューラル・インタープリタは、より少ないパラメータを用いて視覚変換器と同等に動作し、サンプル効率で新しいタスクに転送可能であることを示す。
論文 参考訳（メタデータ） (2021-10-12T23:22:45Z) - Efficient Neural Architecture Search with Performance Prediction [0.0]
ニューラルアーキテクチャ検索を使用して、目前にあるタスクに最適なネットワークアーキテクチャを見つけます。
既存のNASアルゴリズムは、スクラッチから完全にトレーニングすることで、新しいアーキテクチャの適合性を評価する。
サンプルアーキテクチャの評価を高速化するために,エンドツーエンドのオフライン性能予測器を提案する。
論文 参考訳（メタデータ） (2021-08-04T05:44:16Z) - A Semi-Supervised Assessor of Neural Architectures [157.76189339451565]
我々は、ニューラルネットワークの有意義な表現を見つけるためにオートエンコーダを用いる。
アーキテクチャの性能を予測するために、グラフ畳み込みニューラルネットワークを導入する。
論文 参考訳（メタデータ） (2020-05-14T09:02:33Z)
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。