論文の概要: Layers, Folds, and Semi-Neuronal Information Processing
- arxiv url: http://arxiv.org/abs/2208.06382v1
- Date: Thu, 7 Jul 2022 21:47:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-06 07:03:06.318347
- Title: Layers, Folds, and Semi-Neuronal Information Processing
- Title（参考訳）: 層・折り畳み・半神経情報処理
- Authors: Bradly Alicea, Jesse Parent
- Abstract要約: 我々は、層状表現能力を示すエンボダイドエージェントの一種であるメタ脳モデルを用いている。
この能力を説明する可能性のある2つの候補構造 – 折り畳みと階層化 – に注目します。
本研究は, 生体シミュレーションの文脈において, メタブレイン法がエノキシビズム, ホリズム, 認知処理の研究にどのように役立つか, という議論から締めくくっている。
- 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: What role does phenotypic complexity play in the systems-level function of an
embodied agent? The organismal phenotype is a topologically complex structure
that interacts with a genotype, developmental physics, and an informational
environment. Using this observation as inspiration, we utilize a type of
embodied agent that exhibits layered representational capacity: meta-brain
models. Meta-brains are used to demonstrate how phenotypes process information
and exhibit self-regulation from development to maturity. We focus on two
candidate structures that potentially explain this capacity: folding and
layering. As layering and folding can be observed in a host of biological
contexts, they form the basis for our representational investigations. First,
an innate starting point (genomic encoding) is described. The generative output
of this encoding is a differentiation tree, which results in a layered
phenotypic representation. Then we specify a formal meta-brain model of the
gut, which exhibits folding and layering in development in addition to
different degrees of representation of processed information. This organ
topology is retained in maturity, with the potential for additional folding and
representational drift in response to inflammation. Next, we consider
topological remapping using the developmental Braitenberg Vehicle (dBV) as a
toy model. During topological remapping, it is shown that folding of a layered
neural network can introduce a number of distortions to the original model,
some with functional implications. The paper concludes with a discussion on how
the meta-brains method can assist us in the investigation of enactivism,
holism, and cognitive processing in the context of biological simulation.
- Abstract（参考訳）: 表現型複雑性は具体化エージェントのシステムレベル機能においてどのような役割を果たすか?
生物表現型は、遺伝型、発達物理学、情報環境と相互作用する位相的に複雑な構造である。
この観察をインスピレーションとして,層状表現能力を示す具体化剤の一種であるメタブレインモデルを用いた。
メタ脳は表現型がどのように情報を処理し、発達から成熟までの自己調節を示すかを示すために用いられる。
この能力を説明する可能性のある2つの候補構造 – 折り畳みと階層化 – に注目します。
階層化や折りたたみは様々な生物学的文脈で観測できるため、これらは我々の表現論的調査の基礎となる。
まず、自然発生開始点(ジェノミック符号化)を記述する。
この符号化の生成的出力は微分木であり、それによって階層化された表現型表現となる。
次に, 処理情報の表現度の違いに加えて, 発達段階における折り畳み・層化を示す, 腸の形式的メタ脳モデルを指定する。
この器官のトポロジーは成熟に保たれており、炎症に反応してさらなる折り畳みと表現的ドリフトの可能性がある。
次に,発達型Braitenberg Vehicle (dBV) を用いたトポロジカルリマッピングを玩具モデルとして検討する。
トポロジカルリマップでは、階層型ニューラルネットワークの畳み込みによって、元のモデルに多くの歪みが引き起こされることが示されている。
本研究は, 生体シミュレーションの文脈において, メタブレイン法がエノキシビズム, ホリズム, 認知処理の研究にどのように役立つか, という議論から締めくくっている。
関連論文リスト
- Learning Discrete Concepts in Latent Hierarchical Models [73.01229236386148]
自然の高次元データから学習する概念は、ヒューマンアライメントと解釈可能な機械学習モデルの構築の可能性を秘めている。
我々は概念を階層的因果モデルを通して関連付けられた離散潜在因果変数として定式化する。
我々は、理論的な主張を合成データ実験で裏付ける。
論文 参考訳（メタデータ） (2024-06-01T18:01:03Z) - A Recursive Bateson-Inspired Model for the Generation of Semantic Formal
Concepts from Spatial Sensory Data [77.34726150561087]
本稿では,複雑な感覚データから階層構造を生成するための記号のみの手法を提案する。
このアプローチは、概念や概念の創始の鍵としてのバテソンの差異の概念に基づいている。
このモデルは、トレーニングなしでかなりリッチだが人間に読まれる概念表現を生成することができる。
論文 参考訳（メタデータ） (2023-07-16T15:59:13Z) - Modeling Dense Multimodal Interactions Between Biological Pathways and Histology for Survival Prediction [3.2274401541163322]
本稿では,パスとヒストロジーパッチトークン間の相互作用をモデル化できるメモリ効率の良いマルチモーダルトランスを提案する。
提案モデルであるSURVPATHは,非モーダルベースラインとマルチモーダルベースラインの両方に対して評価した場合に,最先端の性能を実現する。
論文 参考訳（メタデータ） (2023-04-13T21:02:32Z) - Brain Cortical Functional Gradients Predict Cortical Folding Patterns
via Attention Mesh Convolution [51.333918985340425]
我々は,脳の皮質ジャイロ-サルカル分割図を予測するための新しいアテンションメッシュ畳み込みモデルを開発した。
実験の結果,我々のモデルによる予測性能は,他の最先端モデルよりも優れていた。
論文 参考訳（メタデータ） (2022-05-21T14:08:53Z) - Functional2Structural: Cross-Modality Brain Networks Representation
Learning [55.24969686433101]
脳ネットワーク上のグラフマイニングは、臨床表現型および神経変性疾患のための新しいバイオマーカーの発見を促進する可能性がある。
本稿では,Deep Signed Brain Networks (DSBN) と呼ばれる新しいグラフ学習フレームワークを提案する。
臨床表現型および神経変性疾患予測の枠組みを,2つの独立した公開データセットを用いて検証した。
論文 参考訳（メタデータ） (2022-05-06T03:45:36Z) - How to build a cognitive map: insights from models of the hippocampal
formation [0.45880283710344055]
認知地図の概念は、これらの能力の主要な比喩の1つとして現れてきた。
そのような地図の学習と神経表現が 神経科学の中心になっている
論文 参考訳（メタデータ） (2022-02-03T16:49:37Z) - Self-Supervised Graph Representation Learning for Neuronal Morphologies [75.38832711445421]
ラベルのないデータセットから3次元神経形態の低次元表現を学習するためのデータ駆動型アプローチであるGraphDINOを提案する。
2つの異なる種と複数の脳領域において、この方法では、専門家による手動の特徴に基づく分類と同程度に形態学的細胞型クラスタリングが得られることを示す。
提案手法は,大規模データセットにおける新しい形態的特徴や細胞型の発見を可能にする可能性がある。
論文 参考訳（メタデータ） (2021-12-23T12:17:47Z) - Meta-brain Models: biologically-inspired cognitive agents [0.0]
メタ脳モデルと呼ぶ計算手法を提案する。
特殊なモデルを用いて構成したレイヤの組み合わせを提案する。
我々は、この柔軟でオープンソースなアプローチの開発における次のステップを提案して、結論付けます。
論文 参考訳（メタデータ） (2021-08-31T05:20:53Z) - Explanatory models in neuroscience: Part 1 -- taking mechanistic
abstraction seriously [8.477619837043214]
批判者は、ニューラルネットワークモデルが脳の機能を照らすことができないことを心配している。
ある種のニューラルネットワークモデルは、実際には力学モデルのよい例である、と我々は主張する。
論文 参考訳（メタデータ） (2021-04-03T22:17:40Z) - Abstracting Deep Neural Networks into Concept Graphs for Concept Level
Interpretability [0.39635467316436124]
我々は,学習した概念のグラフィカルな表現を構築することで,医療領域における画像処理タスクを実行する訓練されたモデルの振る舞いを理解することを試みる。
本稿では,脳腫瘍の分節化と基底画像の分類という2つの生体医学的問題に対する提案手法の適用について述べる。
論文 参考訳（メタデータ） (2020-08-14T16:34:32Z) - 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。