論文の概要: Scalable Query Answering under Uncertainty to Neuroscientific
Ontological Knowledge: The NeuroLang Approach
- arxiv url: http://arxiv.org/abs/2202.11333v1
- Date: Wed, 23 Feb 2022 07:34:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-24 15:56:01.283045
- Title: Scalable Query Answering under Uncertainty to Neuroscientific
Ontological Knowledge: The NeuroLang Approach
- Title（参考訳）: 神経科学的オントロジー知識の不確実性下におけるスケーラブルな問合せ:ニューロラングアプローチ
- Authors: Gaston Zanitti (PARIETAL), Yamil Soto (UNS), Valentin Iovene
(PARIETAL), Maria Vanina Martinez, Ricardo Rodriguez, Gerardo Simari (UNS),
Demian Wassermann (PARIETAL)
- Abstract要約: 神経科学の研究者たちは、脳を研究するためのデータセットが増えている。
現在、不確実性の下でリッチな異種データのコレクションにアクセスするための統一されたフレームワークは存在しない。
我々は,既存のルール,確率的不確実性,および非常に大規模なデータセット上でのトラクタブルなクエリ応答を保証するためのビルトイン機構を備えたオントロジー言語であるNeuroLangを提案する。
- 参考スコア（独自算出の注目度）: 2.216657815393579
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Researchers in neuroscience have a growing number of datasets available to
study the brain, which is made possible by recent technological advances. Given
the extent to which the brain has been studied, there is also available
ontological knowledge encoding the current state of the art regarding its
different areas, activation patterns, key words associated with studies, etc.
Furthermore, there is an inherent uncertainty associated with brain scans
arising from the mapping between voxels -- 3D pixels -- and actual points in
different individual brains. Unfortunately, there is currently no unifying
framework for accessing such collections of rich heterogeneous data under
uncertainty, making it necessary for researchers to rely on ad hoc tools. In
particular, one major weakness of current tools that attempt to address this
kind of task is that only very limited propositional query languages have been
developed. In this paper, we present NeuroLang, an ontology language with
existential rules, probabilistic uncertainty, and built-in mechanisms to
guarantee tractable query answering over very large datasets. After presenting
the language and its general query answering architecture, we discuss
real-world use cases showing how NeuroLang can be applied to practical
scenarios for which current tools are inadequate.
- Abstract（参考訳）: 神経科学の研究者は、脳を研究するために利用可能なデータセットの数が増えています。
脳が研究されている範囲を考えると、その領域、活性化パターン、研究に関連する重要な単語などに関する現在の芸術をエンコードするオントロジの知識も利用可能である。
さらに、ボクセル(3Dピクセル)と個々の脳の実際の点とのマッピングから生じる脳スキャンに固有の不確実性がある。
残念ながら、不確実性の下でリッチな異種データのコレクションにアクセスするための統一フレームワークは存在しないため、研究者はアドホックツールに頼る必要がある。
特に、このようなタスクに対処しようとする現在のツールの大きな弱点の1つは、非常に限られた命題クエリ言語のみが開発されていることである。
本稿では,存在規則,確率的不確実性,非常に大きなデータセット上でのクエリ応答性を保証する組み込み機構を備えたオントロジ言語であるneurolangを提案する。
言語とその一般的なクエリ応答アーキテクチャを提示した後、現在のツールが不十分な実用的なシナリオにニューロランゲージをどのように適用できるかを実世界のユースケースとして論じる。
関連論文リスト
- Identifying Query-Relevant Neurons in Large Language Models for Long-Form Texts [14.69046890281591]
本稿では,大規模言語モデルにおけるクエリ関連ニューロンの同定が可能な,アーキテクチャに依存しない新しいフレームワークを提案する。
検出されたニューロンの知識編集およびニューロンによる予測への応用の可能性を示す。
論文 参考訳（メタデータ） (2024-06-16T09:36:32Z) - Graph Neural Networks for Brain Graph Learning: A Survey [53.74244221027981]
グラフニューラルネットワーク(GNN)は、グラフ構造化データのマイニングにおいて大きな優位性を示している。
脳障害解析のための脳グラフ表現を学習するGNNが最近注目を集めている。
本稿では,GNNを利用した脳グラフ学習の成果をレビューすることで,このギャップを埋めることを目的としている。
論文 参考訳（メタデータ） (2024-06-01T02:47:39Z) - MindBridge: A Cross-Subject Brain Decoding Framework [60.58552697067837]
脳の復号化は、獲得した脳信号から刺激を再構築することを目的としている。
現在、脳の復号化はモデルごとのオブジェクトごとのパラダイムに限られている。
我々は,1つのモデルのみを用いることで,オブジェクト間脳デコーディングを実現するMindBridgeを提案する。
論文 参考訳（メタデータ） (2024-04-11T15:46:42Z) - 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) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳（メタデータ） (2023-10-14T23:28:48Z) - Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。
PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文 参考訳（メタデータ） (2023-08-15T16:37:16Z) - Behavior quantification as the missing link between fields: Tools for
digital psychiatry and their role in the future of neurobiology [0.0]
現在の技術は、行動特性を改善するためのエキサイティングな機会です。
携帯電話のGPSやスマートウォッチの加速度計などの受動的センサーストリームを連続的に収集する新機能は、新しい疑問の道を開く。
理論上、現在の技術で捉えられるものには大きな可能性があるが、それ自体は大きな計算課題である。
論文 参考訳（メタデータ） (2023-05-24T17:45:10Z) - Explainable fMRI-based Brain Decoding via Spatial Temporal-pyramid Graph
Convolutional Network [0.8399688944263843]
既存のfMRIベースの脳デコードのための機械学習手法は、分類性能が低いか、説明性が悪いかのいずれかに悩まされている。
本稿では,機能的脳活動の時空間グラフ表現を捉えるために,生物学的にインスパイアされたアーキテクチャである時空間ピラミドグラフ畳み込みネットワーク(STpGCN)を提案する。
我々は,Human Connectome Project (HCP) S1200から23の認知タスク下でのfMRIデータに関する広範な実験を行った。
論文 参考訳（メタデータ） (2022-10-08T12:14:33Z) - Interpretable Graph Neural Networks for Connectome-Based Brain Disorder
Analysis [31.281194583900998]
本稿では、障害特異的な関心領域(ROI)と顕著なつながりを分析するための解釈可能なフレームワークを提案する。
提案するフレームワークは,脳ネットワーク指向の疾患予測のためのバックボーンモデルと,グローバルに共有された説明生成装置の2つのモジュールから構成される。
論文 参考訳（メタデータ） (2022-06-30T08:02:05Z) - Does injecting linguistic structure into language models lead to better
alignment with brain recordings? [13.880819301385854]
言語モデルと脳記録との整合性は,構文的あるいは意味論的フォーマリズムからのアノテーションに偏りがある場合と評価する。
提案手法は,脳内の意味の組成について,より標的となる仮説の評価を可能にする。
論文 参考訳（メタデータ） (2021-01-29T14:42:02Z) - Towards a Neural Model for Serial Order in Frontal Cortex: a Brain
Theory from Memory Development to Higher-Level Cognition [53.816853325427424]
そこで本研究では,未熟な前頭前野 (PFC) が側頭葉信号の階層的パターンを検出する主要な機能を利用していることを提案する。
我々の仮説では、PFCは順序パターンの形で時間的配列の階層構造を検出し、それらを脳の異なる部分で階層的に情報をインデックスするために利用する。
これにより、抽象的な知識を操作し、時間的に順序付けられた情報を計画するための言語対応の脳にツールを提供する。
論文 参考訳（メタデータ） (2020-05-22T14:29:51Z)
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。