論文の概要: Theory of coupled neuronal-synaptic dynamics
- arxiv url: http://arxiv.org/abs/2302.08985v1
- Date: Fri, 17 Feb 2023 16:42:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-20 14:09:20.226853
- Title: Theory of coupled neuronal-synaptic dynamics
- Title（参考訳）: 結合神経シナプスダイナミクスの理論
- Authors: David G. Clark, L.F. Abbott
- Abstract要約: ニューロンとシナプスが相互に結合した動的変数を持つネットワークモデルについて検討する。
我々は, 統合神経シナプス系の位相図を計算し, 計算関数を示唆するいくつかの新しい位相を明らかにした。
- 参考スコア（独自算出の注目度）: 1.52292571922932
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In neural circuits, synapses influence neurons by shaping network dynamics,
and neurons influence synapses through activity-dependent plasticity. Motivated
by this fact, we study a network model in which neurons and synapses are
mutually coupled dynamic variables. Model neurons obey dynamics shaped by
synaptic couplings that fluctuate, in turn, about quenched random strengths in
response to pre- and postsynaptic neuronal activity. Using dynamical mean-field
theory, we compute the phase diagram of the combined neuronal-synaptic system,
revealing several novel phases suggestive of computational function. In the
regime in which the non-plastic system is chaotic, Hebbian plasticity slows
chaos, while anti-Hebbian plasticity quickens chaos and generates an
oscillatory component in neuronal activity. Deriving the spectrum of the joint
neuronal-synaptic Jacobian reveals that these behaviors manifest as
differential effects of eigenvalue repulsion. In the regime in which the
non-plastic system is quiescent, Hebbian plasticity can induce chaos. In both
regimes, sufficiently strong Hebbian plasticity creates exponentially many
stable neuronal-synaptic fixed points that coexist with chaotic states.
Finally, in chaotic states with sufficiently strong Hebbian plasticity, halting
synaptic dynamics leaves a stable fixed point of neuronal dynamics, freezing
the neuronal state. This phase of freezable chaos provides a novel mechanism of
synaptic working memory in which a stable fixed point of neuronal dynamics is
continuously destabilized through synaptic dynamics, allowing any neuronal
state to be stored as a stable fixed point by halting synaptic plasticity.
- Abstract（参考訳）: 神経回路では、シナプスはネットワークダイナミクスを形成することでニューロンに影響を与え、ニューロンは活動依存的な可塑性を通してシナプスに影響を及ぼす。
本研究では,ニューロンとシナプスが相互に結合した動的変数であるネットワークモデルについて検討する。
モデルニューロンはシナプス前および後シナプス後ニューロン活動に応答してランダムな強度を変動させるシナプス結合によって形成されるダイナミクスに従う。
動的平均場理論を用いて、結合神経シナプス系の位相図を計算し、計算関数を示唆するいくつかの新しい位相を明らかにする。
非可塑性系がカオスである体制では、ヘビアン可塑性はカオスを遅くし、反ヘビアン可塑性はカオスを早くし、神経活動において振動成分を生成する。
ジョイントニューロン-シナプスジャコビアンのスペクトルを導出すると、これらの行動は固有値反発の差効果として現れる。
非塑性系が不規則である体制では、ヘビアン可塑性はカオスを引き起こす。
両体制とも、十分に強いヘビアン可塑性は、カオス状態と共存する多くの安定な神経シナプス固定点を指数関数的に生成する。
最後に、十分に強いヘビアン可塑性を持つカオス状態において、シナプス力学の停止は安定な神経細胞力学の固定点を残し、ニューロン状態は凍結する。
自由化可能なカオスのこのフェーズは、シナプス力学を通じて安定な不動点が連続的に不安定化され、シナプス可塑性を停止することで任意のニューロン状態を安定な不動点として保存できるシナプスワーキングメモリの新しいメカニズムを提供する。
関連論文リスト
- Sparse chaos in cortical circuits [3.4137115855910767]
神経インパルス発生の基本的特徴は神経回路の集合的カオスに大きく影響している。
不安定多様体の数, コルモゴロフ-シナイエントロピー, およびアトラクタ次元の劇的な減少を求める。
皮質回路では、生物物理学的性質はこのスパースカオスの体制に合わせているように見える。
論文 参考訳（メタデータ） (2024-12-30T18:55:35Z) - Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
神経科学とAIの両方において、ニューロン間の'結合'が競合学習の形式につながることは長年知られている。
完全に接続された畳み込みや注意機構などの任意の接続設計とともに人工的再考を導入する。
このアイデアは、教師なしオブジェクト発見、敵対的ロバスト性、不確実性、推論など、幅広いタスクに性能改善をもたらすことを示す。
論文 参考訳（メタデータ） (2024-10-17T17:47:54Z) - Confidence Regulation Neurons in Language Models [91.90337752432075]
本研究では,大規模言語モデルが次世代の予測において不確実性を表現・規制するメカニズムについて検討する。
エントロピーニューロンは異常に高い重量ノルムを特徴とし、最終層正規化(LayerNorm)スケールに影響を与え、ロジットを効果的にスケールダウンさせる。
ここで初めて説明するトークン周波数ニューロンは、各トークンのログをそのログ周波数に比例して増加または抑制することで、出力分布をユニグラム分布から遠ざかる。
論文 参考訳（メタデータ） (2024-06-24T01:31:03Z) - Single Neuromorphic Memristor closely Emulates Multiple Synaptic
Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。
これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文 参考訳（メタデータ） (2024-02-26T15:01:54Z) - Learning with Chemical versus Electrical Synapses -- Does it Make a
Difference? [61.85704286298537]
バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。
我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
論文 参考訳（メタデータ） (2023-11-21T13:07:20Z) - Equivalence of Additive and Multiplicative Coupling in Spiking Neural
Networks [0.0]
スパイキングニューラルネットワークモデルは、生物学的ニューロンの回路の創発的集団力学を特徴付ける。
加法結合を持つスパイクニューラルネットワークモデルは乗法結合を持つモデルと等価であることを示す。
論文 参考訳（メタデータ） (2023-03-31T20:19:11Z) - A Step Towards Uncovering The Structure of Multistable Neural Networks [1.14219428942199]
本稿では,マルチスタブルリカレントニューラルネットワークの構造について検討する。
活性化関数は非平滑なヘビサイドステップ関数によって単純化される。
マルチスタビリティがネットワークアーキテクチャ内でどのようにコード化されるのかを導出する。
論文 参考訳（メタデータ） (2022-10-06T22:54:17Z) - Probing dynamics of a two-dimensional dipolar spin ensemble using single
qubit sensor [62.997667081978825]
ダイヤモンド結晶表面上の電子スピンの2次元アンサンブルにおける個々のスピンダイナミクスを実験的に検討した。
この不規則に緩やかな緩和速度は、強い力学障害の存在によるものであることを示す。
我々の研究は、強く相互作用する無秩序なスピンアンサンブルにおける量子熱化の微視的研究と制御への道を開いた。
論文 参考訳（メタデータ） (2022-07-21T18:00:17Z) - Latent Equilibrium: A unified learning theory for arbitrarily fast
computation with arbitrarily slow neurons [0.7340017786387767]
遅いコンポーネントのネットワークにおける推論と学習のための新しいフレームワークであるLatent Equilibriumを紹介する。
我々は, ニューロンとシナプスのダイナミクスを, 将来的なエネルギー関数から導出する。
本稿では,大脳皮質微小循環の詳細なモデルに我々の原理を適用する方法について述べる。
論文 参考訳（メタデータ） (2021-10-27T16:15:55Z) - SpikePropamine: Differentiable Plasticity in Spiking Neural Networks [0.0]
スパイキングニューラルネットワーク(SNN)におけるシナプス可塑性と神経調節シナプス可塑性のダイナミクスを学習するための枠組みを導入する。
異なる可塑性で強化されたSNNは、時間的学習課題の集合を解決するのに十分であることを示す。
これらのネットワークは、高次元のロボット学習タスクで移動を生成できることも示されている。
論文 参考訳（メタデータ） (2021-06-04T19:29:07Z) - Continuous Learning and Adaptation with Membrane Potential and
Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。
このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。
実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文 参考訳（メタデータ） (2021-04-22T04:01:32Z)
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。