論文の概要: Generative artificial intelligence-enabled dynamic detection of
nicotine-related circuits
- arxiv url: http://arxiv.org/abs/2212.06330v1
- Date: Tue, 13 Dec 2022 02:21:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 14:27:44.091857
- Title: Generative artificial intelligence-enabled dynamic detection of
nicotine-related circuits
- Title(参考訳): 人工知能によるニコチン関連回路の動的検出
- Authors: Changwei Gong, Changhong Jing, Ye Li, Xinan Liu, Zuxin Chen, Shuqiang
Wang
- Abstract要約: 中毒関連回路の同定は、中毒プロセスの説明と中毒治療の開発に重要である。
我々はこれらの課題に対処するために,データ駆動型でエンドツーエンドな生成人工知能フレームワークを開発した。
- 参考スコア(独自算出の注目度): 5.468686783269564
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The identification of addiction-related circuits is critical for explaining
addiction processes and developing addiction treatments. And models of
functional addiction circuits developed from functional imaging are an
effective tool for discovering and verifying addiction circuits. However,
analyzing functional imaging data of addiction and detecting functional
addiction circuits still have challenges. We have developed a data-driven and
end-to-end generative artificial intelligence(AI) framework to address these
difficulties. The framework integrates dynamic brain network modeling and novel
network architecture networks architecture, including temporal graph
Transformer and contrastive learning modules. A complete workflow is formed by
our generative AI framework: the functional imaging data, from neurobiological
experiments, and computational modeling, to end-to-end neural networks, is
transformed into dynamic nicotine addiction-related circuits. It enables the
detection of addiction-related brain circuits with dynamic properties and
reveals the underlying mechanisms of addiction.
- Abstract(参考訳): 依存症関連回路の同定は、依存症過程の説明と依存症治療に不可欠である。
また、機能的イメージングから開発された機能的依存回路のモデルは、依存的回路の発見と検証に有効なツールである。
しかし、依存症の画像解析と機能的依存回路の検出は依然として課題である。
我々はこれらの課題に対処するため,データ駆動型・エンドツーエンド生成人工知能(AI)フレームワークを開発した。
このフレームワークは動的脳ネットワークモデリングと、時間グラフトランスフォーマーやコントラスト学習モジュールを含む新しいネットワークアーキテクチャネットワークアーキテクチャを統合する。
神経生物学の実験や計算モデリングからエンドツーエンドのニューラルネットワークへの機能的イメージングデータは、動的なニコチン依存関連回路に変換されます。
中毒関連脳回路をダイナミックな特性で検出し、依存の基盤となるメカニズムを明らかにする。
関連論文リスト
- Neuromorphic analog circuits for robust on-chip always-on learning in
spiking neural networks [1.9809266426888898]
混合信号ニューロモルフィックシステムは、極端コンピューティングタスクを解決するための有望なソリューションである。
彼らのスパイクニューラルネットワーク回路は、連続的にセンサーデータをオンラインに処理するために最適化されている。
我々は,短期的アナログ力学と長期的三状態離散化機構を備えたオンチップ学習回路を設計する。
論文 参考訳(メタデータ) (2023-07-12T11:14:25Z) - Exploiting Large Neuroimaging Datasets to Create Connectome-Constrained
Approaches for more Robust, Efficient, and Adaptable Artificial Intelligence [4.998666322418252]
我々は、脳の地図を含む大きなニューロイメージングデータセットを利用するパイプラインを構想する。
我々は,繰り返しるサブサーキットやモチーフの発見手法を開発した。
第3に、チームはフルーツフライコネクトームのメモリ形成の回路を分析し、新しい生成的リプレイアプローチの設計を可能にした。
論文 参考訳(メタデータ) (2023-05-26T23:04:53Z) - Incremental procedural and sensorimotor learning in cognitive humanoid
robots [52.77024349608834]
本研究は,手順を段階的に学習する認知エージェントを提案する。
各サブステージで必要とされる認知機能と, エージェントが未解決の課題に, 新たな機能の追加がどう対処するかを示す。
結果は、このアプローチが複雑なタスクを段階的に解くことができることを示している。
論文 参考訳(メタデータ) (2023-04-30T22:51:31Z) - 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) - Cross-Modality Neuroimage Synthesis: A Survey [71.27193056354741]
マルチモダリティイメージングは、疾患の診断を改善し、解剖学的特性を持つ組織における相違を明らかにする。
完全な整列とペアの多モードニューロイメージングデータの存在は、脳研究においてその効果を証明している。
もう一つの解決策は、教師なしまたは弱教師なしの学習方法を探究し、欠落した神経画像データを合成することである。
論文 参考訳(メタデータ) (2022-02-14T19:29:08Z) - 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) - Overcoming the Domain Gap in Contrastive Learning of Neural Action
Representations [60.47807856873544]
神経科学の基本的な目標は、神経活動と行動の関係を理解することである。
我々は,ハエが自然に生み出す行動からなる新しいマルチモーダルデータセットを作成した。
このデータセットと新しい拡張セットは、神経科学における自己教師あり学習手法の適用を加速することを約束します。
論文 参考訳(メタデータ) (2021-11-29T15:27:51Z) - Dynamic Adaptive Spatio-temporal Graph Convolution for fMRI Modelling [0.0]
本稿では,動的適応時間グラフ畳み込み(DASTGCN)モデルを提案する。
提案手法により,レイヤワイドグラフ構造学習モジュールによる脳領域間の動的接続のエンドツーエンド推論が可能となる。
我々は,安静時機能スキャンを用いて,英国ビオバンクのパイプラインを年齢・性別分類タスクとして評価した。
論文 参考訳(メタデータ) (2021-09-26T07:19:47Z) - Ensembling complex network 'perspectives' for mild cognitive impairment
detection with artificial neural networks [5.194561180498554]
本研究では,複合ネットワークとニューラルネットワークのパラダイムを共同利用した軽度の認知障害検出手法を提案する。
特に、この手法は、異なる脳構造「パースペクティブ」を人工ニューラルネットワークでアンサンブルすることに基づいている。
論文 参考訳(メタデータ) (2021-01-26T08:38:11Z) - Spiking Neural Networks Hardware Implementations and Challenges: a
Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。
スパイキングニューラルネットワークのハードウェア実装の現状について述べる。
本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文 参考訳(メタデータ) (2020-05-04T13:24:00Z) - Intrinsic Motivation and Episodic Memories for Robot Exploration of
High-Dimensional Sensory Spaces [0.0]
本研究では,マイクロファーミングロボットの画像センサのための好奇心駆動型目標指向探索行動を生成するアーキテクチャを提案する。
画像から低次元特徴をオフラインで教師なしで学習するためのディープニューラルネットワークと、システムの逆および前方運動学を表す浅層ニューラルネットワークのオンライン学習の組み合わせが用いられている。
人工好奇心システムは、予め定義された目標のセットに関心値を割り当て、学習の進捗を最大化すると予想される目標への探索を促進する。
論文 参考訳(メタデータ) (2020-01-07T11:39:20Z)
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。