論文の概要: Deep learning in a bilateral brain with hemispheric specialization
- arxiv url: http://arxiv.org/abs/2209.06862v1
- Date: Fri, 9 Sep 2022 00:40:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-18 16:55:32.164941
- Title: Deep learning in a bilateral brain with hemispheric specialization
- Title(参考訳): 半球特殊化を伴う両側脳における深層学習
- Authors: Chandramouli Rajagopalan, David Rawlinson, Elkhonon Goldberg, Gideon
Kowadlo
- Abstract要約: 左右対称の動物の脳は左右の半球に分けられる。
左半球は特異性、ルーチン、一般性、新奇性に特化していると考えられている。
本稿では,異なる学習目標を持つ2つの畳み込みニューラルネットワークを用いて,その二元的アーキテクチャを模倣する人工ニューラルネットワークを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The brains of all bilaterally symmetric animals on Earth are are divided into
left and right hemispheres. The anatomy and functionality of the hemispheres
have a large degree of overlap, but they specialize to possess different
attributes. The left hemisphere is believed to specialize in specificity and
routine, the right in generalities and novelty. In this study, we propose an
artificial neural network that imitates that bilateral architecture using two
convolutional neural networks with different training objectives and test it on
an image classification task. The bilateral architecture outperforms
architectures of similar representational capacity that don't exploit
differential specialization. It demonstrates the efficacy of bilateralism and
constitutes a new principle that could be incorporated into other computational
neuroscientific models and used as an inductive bias when designing new ML
systems. An analysis of the model can help us to understand the human brain.
- Abstract(参考訳): 地球上の両側対称動物の脳は左半球と右半球に分けられる。
半球の解剖学と機能は非常に重複しているが、それらは異なる属性を持つように特化している。
左半球は特異性、ルーチン、一般性、新規性に特化していると考えられている。
本研究では,異なる学習目標を持つ2つの畳み込みニューラルネットワークを用いて,バイラテラルアーキテクチャを模倣したニューラルネットワークを提案し,画像分類タスクでテストする。
両アーキテクチャは、差分特殊化を利用していない同様の表現能力のアーキテクチャよりも優れています。
これは二元論の有効性を示し、他の計算神経科学モデルに組み込まれ、新しいMLシステムを設計する際に誘導バイアスとして用いられる新しい原理を構成する。
モデルの分析は、人間の脳を理解するのに役立ちます。
関連論文リスト
- Left/Right Brain, human motor control and the implications for robotics [0.5530212768657544]
本研究は、運動タスクの制御システムとして、二元的ニューラルネットワークアーキテクチャを探求する。
我々は,異なるタスクで観察されるような,半球の特殊化の実現を目指していた。
両片側モデルと,片側モデル,片側モデル,片側モデル,片側モデルを比較した。
論文 参考訳(メタデータ) (2024-01-25T10:29:07Z) - A Dual-Stream Neural Network Explains the Functional Segregation of
Dorsal and Ventral Visual Pathways in Human Brains [8.24969449883056]
我々は人間の目と脳にインスパイアされたデュアルストリーム視覚モデルを開発する。
入力レベルでは、モデルは2つの相補的な視覚パターンをサンプリングする。
バックエンドでは、モデルが分離された入力パターンを畳み込みニューラルネットワークの2つのブランチを通して処理する。
論文 参考訳(メタデータ) (2023-10-20T22:47:40Z) - Deep Neural Networks Can Learn Generalizable Same-Different Visual
Relations [22.205838756057314]
我々は、ディープニューラルネットワークが、分布内と分布外の両方において、同じ微分関係を取得および一般化できるかどうかを検討する。
ある事前学習された変換器は、ほぼ完全な精度で分布外刺激に一般化する同じ微分関係を学習できる。
論文 参考訳(メタデータ) (2023-10-14T16:28:57Z) - Information-Restricted Neural Language Models Reveal Different Brain
Regions' Sensitivity to Semantics, Syntax and Context [87.31930367845125]
テキストコーパスを用いて語彙言語モデルGloveと超語彙言語モデルGPT-2を訓練した。
そして、これらの情報制限されたモデルが、自然主義的テキストを聴く人間のfMRI信号の時間軸を予測することができるかを評価した。
分析の結果、言語に関わるほとんどの脳領域は、構文変数と意味変数の両方に敏感であるが、これらの影響の相対的な大きさは、これらの領域で大きく異なることがわかった。
論文 参考訳(メタデータ) (2023-02-28T08:16:18Z) - Seeking Common Ground While Reserving Differences: Multiple Anatomy
Collaborative Framework for Undersampled MRI Reconstruction [49.16058553281751]
本稿では,解剖学的および解剖学的特化学習者による新しいMRI再構成フレームワークを提案する。
脳、膝、心臓のMRIデータセットの実験は、これらの学習者のうち3人が複数の解剖学的共同学習を通して再建性能を向上させることができることを示した。
論文 参考訳(メタデータ) (2022-06-15T08:19:07Z) - 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) - On the Importance of Asymmetry for Siamese Representation Learning [53.86929387179092]
シームズネットワークは、2つの並列エンコーダと概念的に対称である。
ネットワーク内の2つのエンコーダを明確に区別することで,非対称性の重要性について検討する。
非対称設計による改善は、より長いトレーニングスケジュール、複数の他のフレームワーク、より新しいバックボーンに一般化されている。
論文 参考訳(メタデータ) (2022-04-01T17:57:24Z) - Dynamic Inference with Neural Interpreters [72.90231306252007]
本稿では,モジュールシステムとしての自己アテンションネットワークにおける推論を分解するアーキテクチャであるNeural Interpretersを提案する。
モデルへの入力は、エンドツーエンドの学習方法で一連の関数を通してルーティングされる。
ニューラル・インタープリタは、より少ないパラメータを用いて視覚変換器と同等に動作し、サンプル効率で新しいタスクに転送可能であることを示す。
論文 参考訳(メタデータ) (2021-10-12T23:22:45Z) - Generalisation in Neural Networks Does not Require Feature Overlap [3.162825695928202]
畳み込みアーキテクチャは2つのよく知られた課題に適用することによって制限を回避することを示す。
テストセットのパフォーマンスは、トレーニングデータに存在しない機能に一般化する必要がある。
両課題における対称性の役割と一般化との関連について論じる。
論文 参考訳(メタデータ) (2021-07-04T09:23:49Z) - A neural anisotropic view of underspecification in deep learning [60.119023683371736]
ニューラルネットが問題の未特定化を扱う方法が,データ表現に大きく依存していることを示す。
深層学習におけるアーキテクチャ的インダクティブバイアスの理解は,これらのシステムの公平性,堅牢性,一般化に対処する上で基本的であることを強調した。
論文 参考訳(メタデータ) (2021-04-29T14:31:09Z) - Adversarial Brain Multiplex Prediction From a Single Network for
High-Order Connectional Gender-Specific Brain Mapping [0.0]
本稿では,性別差を調査するため,ソースネットワークから脳の多重性を予測するための最初の研究を提案する。
大規模なデータセットを用いた実験では、予測多重化が性別分類の精度を大幅に向上させることが示された。
論文 参考訳(メタデータ) (2020-09-24T07:23:41Z)
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。