論文の概要: Same Cause; Different Effects in the Brain
- arxiv url: http://arxiv.org/abs/2202.10376v1
- Date: Mon, 21 Feb 2022 17:14:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-23 08:47:09.889673
- Title: Same Cause; Different Effects in the Brain
- Title(参考訳): 同じ原因; 脳における異なる影響
- Authors: Mariya Toneva, Jennifer Williams, Anand Bollu, Christoph Dann, Leila
Wehbe
- Abstract要約: 本研究では,刺激の特性が2つの脳ゾーンに影響を及ぼすかどうかを研究者が問うことのできる新しい枠組みを提案する。
提案されたフレームワークは神経科学者にとって有望な新しいツールであることを示している。
- 参考スコア(独自算出の注目度): 17.301470496485454
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To study information processing in the brain, neuroscientists manipulate
experimental stimuli while recording participant brain activity. They can then
use encoding models to find out which brain "zone" (e.g. which region of
interest, volume pixel or electrophysiology sensor) is predicted from the
stimulus properties. Given the assumptions underlying this setup, when stimulus
properties are predictive of the activity in a zone, these properties are
understood to cause activity in that zone.
In recent years, researchers have used neural networks to construct
representations that capture the diverse properties of complex stimuli, such as
natural language or natural images. Encoding models built using these
high-dimensional representations are often able to significantly predict the
activity in large swathes of cortex, suggesting that the activity in all these
brain zones is caused by stimulus properties captured in the representation. It
is then natural to ask: "Is the activity in these different brain zones caused
by the stimulus properties in the same way?" In neuroscientific terms, this
corresponds to asking if these different zones process the stimulus properties
in the same way.
Here, we propose a new framework that enables researchers to ask if the
properties of a stimulus affect two brain zones in the same way. We use
simulated data and two real fMRI datasets with complex naturalistic stimuli to
show that our framework enables us to make such inferences. Our inferences are
strikingly consistent between the two datasets, indicating that the proposed
framework is a promising new tool for neuroscientists to understand how
information is processed in the brain.
- Abstract(参考訳): 脳内の情報処理を研究するために、神経科学者は、参加者の脳活動を記録しながら実験的な刺激を操作する。
次に、エンコーディングモデルを使用して、刺激特性からどの脳の「ゾーン」(例えば、どの関心領域、体積ピクセル、電気生理学的センサー)を予測することができる。
この設定の前提として、刺激特性がゾーン内のアクティビティの予測である場合、これらの特性がそのゾーンのアクティビティを引き起こすと理解される。
近年、研究者はニューラルネットワークを用いて、自然言語や自然画像といった複雑な刺激の多様な特性を捉える表現を構築している。
これらの高次元表現を用いて構築されたエンコーディングモデルは、しばしば大脳皮質の大きな迷路の活性を著しく予測することができ、これらの脳領域の全ての活動は、その表現で捕獲された刺激特性によって引き起こされることを示唆している。
では、このような刺激特性によって引き起こされる、これらの異なる脳ゾーンの活性は、同じ方法で起こっているのか?
神経科学の用語では、これらの異なるゾーンが刺激特性を同じように処理するかどうかを問うものである。
本稿では,刺激の特性が2つの脳ゾーンに影響を及ぼすかどうかを研究者が問う新しい枠組みを提案する。
我々は、シミュレーションデータと、複雑な自然主義的な刺激を伴う2つの実fMRIデータセットを用いて、我々のフレームワークがそのような推論を可能にすることを示す。
提案されたフレームワークは、神経科学者が脳内でどのように情報が処理されるかを理解するための、有望な新しいツールであることを示している。
関連論文リスト
- 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) - A Goal-Driven Approach to Systems Neuroscience [2.6451153531057985]
人間と動物は、動的環境において様々な興味深い行動を示す。
私たちの脳が、こうした行動を可能にするために、どのようにしてこの密集した感覚情報を積極的に再構築するかは不明です。
我々は、ニューラルサーキットの統一構造モデルと機能モデルを生み出すことを約束する新しい解釈可能性の定義を提供する。
論文 参考訳(メタデータ) (2023-11-05T16:37:53Z) - Single Biological Neurons as Temporally Precise Spatio-Temporal Pattern
Recognizers [0.0]
理論は、脳内の単一ニューロンは、時間的に非常に複雑な時間的パターン認識因子と見なされるべきという中心的な考え方に焦点を当てている。
第2章では、特定の時間的入力パターンに応答して、単一ニューロンが時間的に正確な出力パターンを生成できることを実証する。
第3章では、現実的な皮質ニューロンの識別可能な深部ネットワークを用いて、ニューロンの出力の影響を近似する。
論文 参考訳(メタデータ) (2023-09-26T17:32:08Z) - 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) - Deep Representations for Time-varying Brain Datasets [4.129225533930966]
本稿では、領域マップされたfMRIシーケンスと構造接続性の両方を入力として組み込んだ効率的なグラフニューラルネットワークモデルを構築する。
サンプルレベルの適応的隣接行列を学習することで、潜伏する脳のダイナミクスのよい表現を見つけ出す。
これらのモジュールは容易に適応でき、神経科学領域以外の用途にも有用である可能性がある。
論文 参考訳(メタデータ) (2022-05-23T21:57:31Z) - Learnable latent embeddings for joint behavioral and neural analysis [3.6062449190184136]
CEBRAは、空間のマッピング、複雑なキネマティックな特徴の発見、視覚野からの自然映画の高速かつ高精度な復号化に利用できることを示す。
我々は、その精度を検証し、カルシウムと電気生理学の両方のデータセット、感覚と運動のタスク、そして種全体にわたる単純または複雑な振る舞いにその有用性を実証する。
論文 参考訳(メタデータ) (2022-04-01T19:19:33Z) - 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) - Overcoming the Domain Gap in Neural Action Representations [60.47807856873544]
3Dポーズデータは、手動で介入することなく、マルチビュービデオシーケンスから確実に抽出できる。
本稿では,ニューラルアクション表現の符号化を,ニューラルアクションと行動拡張のセットと共に導くために使用することを提案する。
ドメインギャップを減らすために、トレーニングの間、同様の行動をしているように見える動物間で神経と行動のデータを取り替える。
論文 参考訳(メタデータ) (2021-12-02T12:45:46Z) - 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)
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。