論文の概要: A Hybrid Neural Autoencoder for Sensory Neuroprostheses and Its
Applications in Bionic Vision
- arxiv url: http://arxiv.org/abs/2205.13623v1
- Date: Thu, 26 May 2022 20:52:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-31 13:02:40.145828
- Title: A Hybrid Neural Autoencoder for Sensory Neuroprostheses and Its
Applications in Bionic Vision
- Title(参考訳): 感覚神経補綴用ハイブリッドニューラルオートエンコーダとそのバイオンビジョンへの応用
- Authors: Jacob Granley, Lucas Relic, Michael Beyeler
- Abstract要約: 感覚神経補綴は、失われた感覚機能を回復したり、人間の能力を増強するための有望な技術として登場しつつある。
本稿では、ディープニューラルネットワークエンコーダが、基礎となる生物学的システムを近似した、既知の固定されたフォワードモデルを逆転するように、いかに訓練されているかを示す。
概念実証として,視覚神経補綴症例に対するハイブリッド神経オートエンコーダ(HNA)の有効性を実証した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sensory neuroprostheses are emerging as a promising technology to restore
lost sensory function or augment human capacities. However, sensations elicited
by current devices often appear artificial and distorted. Although current
models can often predict the neural or perceptual response to an electrical
stimulus, an optimal stimulation strategy solves the inverse problem: what is
the required stimulus to produce a desired response? Here we frame this as an
end-to-end optimization problem, where a deep neural network encoder is trained
to invert a known, fixed forward model that approximates the underlying
biological system. As a proof of concept, we demonstrate the effectiveness of
our hybrid neural autoencoder (HNA) on the use case of visual neuroprostheses.
We found that HNA is able to produce high-fidelity stimuli from the MNIST and
COCO datasets that outperform conventional encoding strategies and surrogate
techniques across all tested conditions. Overall this is an important step
towards the long-standing challenge of restoring high-quality vision to people
living with incurable blindness and may prove a promising solution for a
variety of neuroprosthetic technologies.
- Abstract(参考訳): 感覚神経補綴は、失われた感覚機能を回復したり、人間の能力を増強するための有望な技術として登場しつつある。
しかし、現在の装置によって誘発される感覚はしばしば人工的に見え、歪んでいる。
現在のモデルでは、電気刺激に対する神経反応や知覚応答を予測できることが多いが、最適な刺激戦略は逆の問題を解決する。
ここでは、これをエンドツーエンドの最適化問題とみなし、ディープニューラルネットワークエンコーダをトレーニングして、基礎となる生物学的システムを近似した、既知の固定されたフォワードモデルを逆転させる。
概念実証として,視神経人工装具の使用例におけるハイブリッドニューラルオートエンコーダ(hna)の有効性を実証する。
hnaは、mnistおよびcocoデータセットから高忠実度刺激を生成でき、従来のエンコーディング戦略を上回ることができ、すべてのテスト条件でテクニックをサロゲートできることがわかった。
全体としてこれは、不正確な視覚障害者に高品質のビジョンを復活させるという長年の課題への重要な一歩であり、様々な神経義肢技術にとって有望な解決策となるかもしれない。
関連論文リスト
- Human-in-the-Loop Optimization for Deep Stimulus Encoding in Visual
Prostheses [2.7309692684728617]
神経補綴は、失われた感覚機能を回復し、人間の能力を増強する可能性を示しているが、現在の装置が生み出す感覚は、しばしば不自然または歪んでいるように見える。
この2つの基本的制約を克服する,斬新で現実的なアプローチを提案する。
提案手法は、パーソナライズされた刺激エンコーダを迅速に学習し、回復した視覚の質を劇的に改善し、患者からのフィードバックに頑健であることを示す。
論文 参考訳(メタデータ) (2023-06-16T18:49:51Z) - A Hybrid Neural Coding Approach for Pattern Recognition with Spiking
Neural Networks [53.31941519245432]
脳にインスパイアされたスパイクニューラルネットワーク(SNN)は、パターン認識タスクを解く上で有望な能力を示している。
これらのSNNは、情報表現に一様神経コーディングを利用する同質ニューロンに基づいている。
本研究では、SNNアーキテクチャは異種符号化方式を組み込むよう、均質に設計されるべきである、と論じる。
論文 参考訳(メタデータ) (2023-05-26T02:52:12Z) - 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) - Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。
彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。
スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文 参考訳(メタデータ) (2022-10-06T13:04:45Z) - 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) - Training Deep Spiking Auto-encoders without Bursting or Dying Neurons
through Regularization [9.34612743192798]
スパイクニューラルネットワークは、計算神経科学における次世代の脳モデルに対する有望なアプローチである。
膜電位に基づくバックプロパゲーションを用いたエンドツーエンド学習を、スパイクする畳み込みオートエンコーダに適用する。
膜電位とスパイク出力に正規化を適用することで、死と破裂の両方のニューロンをうまく回避できることを示す。
論文 参考訳(メタデータ) (2021-09-22T21:27:40Z) - NeuroGen: activation optimized image synthesis for discovery
neuroscience [9.621977197691747]
我々はNeuroGenと呼ばれる新しい計算戦略を提案し、限界を克服し、人間の視覚神経科学発見のための強力なツールを開発する。
NeuroGenは、人間の視覚のfMRIで訓練されたニューラルエンコーディングモデルと深層生成ネットワークを組み合わせて、予測された画像を合成し、マクロな脳活性化のターゲットパターンを達成する。
我々はNeuroGenによって作成された少数の合成画像を用いて、視覚刺激に対する局所的および個人的脳反応パターンの違いを検出し、増幅できることを実証した。
論文 参考訳(メタデータ) (2021-05-15T04:36:39Z) - Artificial Neural Variability for Deep Learning: On Overfitting, Noise
Memorization, and Catastrophic Forgetting [135.0863818867184]
人工ニューラルネットワーク(ANV)は、ニューラルネットワークが自然のニューラルネットワークからいくつかの利点を学ぶのに役立つ。
ANVは、トレーニングデータと学習モデルの間の相互情報の暗黙の正則化として機能する。
過度にフィットし、ノイズの記憶をラベル付けし、無視できるコストで破滅的な忘れを効果的に軽減することができる。
論文 参考訳(メタデータ) (2020-11-12T06:06:33Z) - Graph Convolutional Networks Reveal Neural Connections Encoding
Prosthetic Sensation [1.4431534196506413]
被験者が人工的な入力を解釈することを学ぶときの刺激パラメータを最適化する機械学習戦略は、デバイスの有効性を向上させる可能性がある。
深層学習を非ユークリッドグラフデータに拡張する最近の進歩は、神経スパイク活動の解釈に新しいアプローチをもたらす。
人工感覚情報の処理に関与するニューロン間の機能的関係を推定するために,グラフ畳み込みネットワーク(GCN)を適用した。
論文 参考訳(メタデータ) (2020-08-23T01:43:46Z)
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。