論文の概要: Photons guided by axons may enable backpropagation-based learning in the
brain
- arxiv url: http://arxiv.org/abs/2203.11135v1
- Date: Mon, 21 Mar 2022 17:10:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-21 04:58:00.918196
- Title: Photons guided by axons may enable backpropagation-based learning in the
brain
- Title（参考訳）: 軸索で導かれる光子は、脳のバックプロパゲーションに基づく学習を可能にする
- Authors: Parisa Zarkeshian, Taylor Kergan, Roohollah Ghobadi, Wilten Nicola,
and Christoph Simon
- Abstract要約: 我々は、軸索で導かれる生体光子が、脳内の情報を後方に伝達するための電位チャネルを提供することを示した。
提案したバックプロパゲーション様アルゴリズムを用いて,MNISTの手書き桁分類タスクを3層ネットワークで学習できることを実証した。
以上の結果から,生体光子の新たな機能と,脳の後方伝達機構が示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Despite great advances in explaining synaptic plasticity and neuron function,
a complete understanding of the brain's learning algorithms is still missing.
Artificial neural networks provide a powerful learning paradigm through the
backpropagation algorithm which modifies synaptic weights by using feedback
connections. Backpropagation requires extensive communication of information
back through the layers of a network. This has been argued to be biologically
implausible and it is not clear whether backpropagation can be realized in the
brain. Here we suggest that biophotons guided by axons provide a potential
channel for backward transmission of information in the brain. Biophotons have
been experimentally shown to be produced in the brain, yet their purpose is not
understood. We propose that biophotons can propagate from each post-synaptic
neuron to its pre-synaptic one to carry the required information backward. To
reflect the stochastic character of biophoton emissions, our model includes the
stochastic backward transmission of teaching signals. We demonstrate that a
three-layered network of neurons can learn the MNIST handwritten digit
classification task using our proposed backpropagation-like algorithm with
stochastic photonic feedback. We model realistic restrictions and show that our
system still learns the task for low rates of biophoton emission,
information-limited (one bit per photon) backward transmission, and in the
presence of noise photons. Our results suggest a new functionality for
biophotons and provide an alternate mechanism for backward transmission in the
brain.
- Abstract（参考訳）: シナプスの可塑性とニューロン機能を説明する大きな進歩にもかかわらず、脳の学習アルゴリズムの完全な理解はいまだに欠けている。
ニューラルネットワークは、フィードバック接続を使用してシナプス重みを変更するバックプロパゲーションアルゴリズムを通じて強力な学習パラダイムを提供する。
バックプロパゲーションは、ネットワークの層を通して情報を広範囲に伝達する必要がある。
これは生物学的に当てはまらないと主張しており、脳内でバックプロパゲーションが実現できるかどうかは明らかではない。
ここでは、軸索で導かれる生体光子が、脳内の情報を後方に伝達する可能性があることを示唆する。
バイオフォトンは実験的に脳内で生産されることが示されているが、その目的は分かっていない。
生体光子はシナプス後ニューロンからシナプス前ニューロンへと伝播し,必要な情報を後方に運ぶことができる。
バイオフォトン放射の確率特性を反映するため,本モデルは教育信号の確率的後方伝達を含む。
確率的フォトニックフィードバックを用いたバックプロパゲーションライクアルゴリズムを用いて,3層ニューロンのネットワークがmnist手書き指分類タスクを学習できることを実証する。
我々は現実的な制約をモデル化し、バイオフォトン放出率の低さ、情報制限(光子あたり1ビット)の後方伝達、ノイズフォトンの存在をまだ学習していることを示す。
以上の結果から,生体光子の新たな機能と,脳の後方伝達機構が示唆された。
関連論文リスト
- Unsupervised representation learning with Hebbian synaptic and structural plasticity in brain-like feedforward neural networks [0.0]
教師なし表現学習が可能な脳様ニューラルネットワークモデルを導入,評価する。
このモデルは、一般的な機械学習ベンチマークのさまざまなセットでテストされた。
論文 参考訳（メタデータ） (2024-06-07T08:32:30Z) - Hebbian Learning based Orthogonal Projection for Continual Learning of
Spiking Neural Networks [74.3099028063756]
我々は,側方接続とヘビアン学習に基づくニューラル操作を用いた新しい手法を開発した。
我々は,反復する側方接続におけるヘビアン学習と反ヘビアン学習が,神経活動の主部分空間を効果的に抽出できることを示した。
我々の手法は、ほとんど忘れることなくニューラルネットワークをスパイクするために一貫して解決する。
論文 参考訳（メタデータ） (2024-02-19T09:29:37Z) - 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) - Brain Captioning: Decoding human brain activity into images and text [1.5486926490986461]
本稿では,脳活動を意味のある画像やキャプションにデコードする革新的な手法を提案する。
提案手法は,最先端画像キャプションモデルを活用し,ユニークな画像再構成パイプラインを組み込んだものである。
生成したキャプションと画像の両方の定量的指標を用いて,本手法の評価を行った。
論文 参考訳（メタデータ） (2023-05-19T09:57:19Z) - 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) - BrainBERT: Self-supervised representation learning for intracranial
recordings [18.52962864519609]
我々は、神経科学に現代的な表現学習アプローチをもたらす頭蓋内記録のための再利用可能な変換器BrainBERTを開発した。
NLPや音声認識と同様に、この変換器は複雑な概念を高い精度で、はるかに少ないデータで分類することができる。
将来的には、表現学習を使用することで、はるかに多くの概念がニューラル録音から切り離され、言語モデルがアンロックされた言語のように脳をアンロックする可能性がある。
論文 参考訳（メタデータ） (2023-02-28T07:40:37Z) - 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) - Adapting Brain-Like Neural Networks for Modeling Cortical Visual
Prostheses [68.96380145211093]
皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。
現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。
我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
論文 参考訳（メタデータ） (2022-09-27T17:33:19Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - Hidden Markov Modeling for Maximum Likelihood Neuron Reconstruction [3.6321891270689055]
脳のクリアリングとイメージングの最近の進歩により、哺乳類の脳全体をサブミクロン分解能で画像化することが可能になった。
これらの画像は、投射ニューロン形態学の脳全体のアトラスを組み立てる可能性を秘めているが、手動ニューロン再構築はいまだにボトルネックとなっている。
ここでは, 隠れマルコフモデルに触発された蛍光ニューロン画像の出現モデリングを行い, ニューロンの過程を自動的に追跡する手法を提案する。
論文 参考訳（メタデータ） (2021-06-04T20:24:56Z)
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。