Fugu-MT 論文翻訳(概要): Testing for context-dependent changes in neural encoding in naturalistic experiments

論文の概要: Testing for context-dependent changes in neural encoding in naturalistic experiments

arxiv url: http://arxiv.org/abs/2211.09295v1
Date: Thu, 17 Nov 2022 02:13:05 GMT
ステータス: 処理完了
システム内更新日: 2022-11-18 15:35:40.470267
Title: Testing for context-dependent changes in neural encoding in naturalistic experiments
Title（参考訳）: 自然科学実験における神経エンコーディングの文脈依存的変化の検証
Authors: Yenho Chen, Carl W. Harris, Xiaoyu Ma, Zheng Li, Francisco Pereira, and Charles Y.Zheng
Abstract要約: 縦型ニューラル記録データにおける文脈効果を検出するためのデコードに基づく手法を提案する。このアプローチは、情報をニューラルアクティビティにエンコードする方法に非依存であり、データに存在するさまざまな要因を制御できる。
参考スコア（独自算出の注目度）: 6.682703201150664
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a decoding-based approach to detect context effects on neural codes in longitudinal neural recording data. The approach is agnostic to how information is encoded in neural activity, and can control for a variety of possible confounding factors present in the data. We demonstrate our approach by determining whether it is possible to decode location encoding from prefrontal cortex in the mouse and, further, testing whether the encoding changes due to task engagement.
Abstract（参考訳）: 縦型ニューラル記録データにおける文脈効果を検出するためのデコードに基づく手法を提案する。このアプローチは、情報がどのように神経活動にエンコードされるかに依存せず、データに存在する様々な結合要因を制御できる。マウスの前頭前皮質から位置エンコーディングを復号できるかどうかを判定し,さらにタスクエンゲージメントによるエンコーディングの変化を検証することにより,我々のアプローチを実証する。

関連論文リスト

Exploring Behavior-Relevant and Disentangled Neural Dynamics with Generative Diffusion Models [2.600709013150986]
行動の神経基盤を理解することは神経科学の基本的な目標である。私たちのアプローチは、BeNeDiff'と呼ばれるもので、まずきめ細やかな神経部分空間を識別します。次に、最先端の生成拡散モデルを使用して、各潜伏因子の神経力学を解釈する行動ビデオを合成する。
論文参考訳（メタデータ） (2024-10-12T18:28:56Z)
Deep Learning for real-time neural decoding of grasp [0.0]
本稿では,ニューラルネットワークの復号化のためのDeep Learningに基づく手法を提案する。提案手法の主な目的は、これまでの神経科学知識に頼ることなく、最先端の復号精度を改善することである。
論文参考訳（メタデータ） (2023-11-02T08:26:29Z)
Neuroevolutionary algorithms driven by neuron coverage metrics for semi-supervised classification [60.60571130467197]
一部の機械学習アプリケーションでは、ラベル付けされていないインスタンスが豊富であるのに対して、教師付き分類のためのラベル付きインスタンスの可用性は制限されている。本稿では、ニューラルネットワークアーキテクチャ上で計算されたニューラルネットワークカバレッジメトリクスを用いて、未ラベルのインスタンスを利用する神経進化的アプローチを提案する。
論文参考訳（メタデータ） (2023-03-05T23:38:44Z)
Implementing engrams from a machine learning perspective: matching for prediction [0.0]
ニューラルネットワークを用いてエングラムを実装するコンピュータシステムを設計する方法について提案する。オートエンコーダをベースとして,情報を圧縮形式で保存・検索するためのインデックスとして潜時ニューラルネットワークを提案する。我々は、異なるタイプの感覚入力に対応する潜時神経空間における異なる状態が同期活性化によってどのようにリンクされるかを検討する。
論文参考訳（メタデータ） (2023-03-01T10:05:40Z)
Convolutional Neural Generative Coding: Scaling Predictive Coding to Natural Images [79.07468367923619]
畳み込み型神経生成符号化(Conv-NGC)を開発した。我々は、潜伏状態マップを段階的に洗練する柔軟な神経生物学的動機付けアルゴリズムを実装した。本研究は,脳にインスパイアされたニューラル・システムによる再建と画像復調の課題に対する効果について検討する。
論文参考訳（メタデータ） (2022-11-22T06:42:41Z)
Evolving Neural Selection with Adaptive Regularization [7.298440208725654]
深部ニューラルネットワークにおけるニューロンの選択が進化し,予測の難しさに適応する手法を示す。本稿では,階層内のニューロンを重み付けしてネットワークの変種を形成するために進化する適応型ニューラルセレクション(ANS)フレームワークを提案する。実験の結果,提案手法はニューラルネットワークアーキテクチャの性能を著しく向上させることができることがわかった。
論文参考訳（メタデータ） (2022-04-04T17:19:52Z)
Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文参考訳（メタデータ） (2022-02-01T17:11:13Z)
COIN++: Data Agnostic Neural Compression [55.27113889737545]
COIN++は、幅広いデータモダリティをシームレスに扱うニューラルネットワーク圧縮フレームワークである。様々なデータモダリティを圧縮することで,本手法の有効性を示す。
論文参考訳（メタデータ） (2022-01-30T20:12:04Z)
CogAlign: Learning to Align Textual Neural Representations to Cognitive Language Processing Signals [60.921888445317705]
自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
論文参考訳（メタデータ） (2021-06-10T07:10:25Z)
Adaptive conversion of real-valued input into spike trains [91.3755431537592]
本稿では,実数値入力をスパイクトレインに変換し,スパイクニューラルネットワークで処理する方法を提案する。提案手法は網膜神経節細胞の適応的挙動を模倣し,入力ニューロンが入力の統計の変化に応答することを可能にする。
論文参考訳（メタデータ） (2021-04-12T12:33:52Z)
Deep Cross-Subject Mapping of Neural Activity [33.25686697879346]
本研究では、ある被験者の神経活動信号に基づいて訓練されたニューラルデコーダを用いて、異なる被験者の運動意図を強固に復号できることを示す。本稿では,クロスオブジェクト脳-コンピュータ開発に向けた重要なステップとして,本研究で報告した知見について述べる。
論文参考訳（メタデータ） (2020-07-13T14:35:02Z)

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。