論文の概要: Grid-SD2E: A General Grid-Feedback in a System for Cognitive Learning
- arxiv url: http://arxiv.org/abs/2304.01844v1
- Date: Tue, 4 Apr 2023 14:54:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 13:31:21.229394
- Title: Grid-SD2E: A General Grid-Feedback in a System for Cognitive Learning
- Title（参考訳）: Grid-SD2E:認知学習システムにおける一般的なグリッドフィードバック
- Authors: Jingyi Feng and Chenming Zhang
- Abstract要約: この研究は、より汎用的で堅牢なグリッドモジュールを作成する際に、グリッドセルから部分的にインスピレーションを受けている。
我々はベイジアン推論とともに対話的かつ自己強化型認知システムを構築した。
最小の計算ユニットが抽出され、脳内の1つのニューロンに類似している。
- 参考スコア（独自算出の注目度）: 0.974672460306765
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Comprehending how the brain interacts with the external world through
generated neural signals is crucial for determining its working mechanism,
treating brain diseases, and understanding intelligence. Although many
theoretical models have been proposed, they have thus far been difficult to
integrate and develop. In this study, we were inspired in part by grid cells in
creating a more general and robust grid module and constructing an interactive
and self-reinforcing cognitive system together with Bayesian reasoning, an
approach called space-division and exploration-exploitation with grid-feedback
(Grid-SD2E). Here, a grid module can be used as an interaction medium between
the outside world and a system, as well as a self-reinforcement medium within
the system. The space-division and exploration-exploitation (SD2E) receives the
0/1 signals of a grid through its space-division (SD) module. The system
described in this paper is also a theoretical model derived from experiments
conducted by other researchers and our experience on neural decoding. Herein,
we analyse the rationality of the system based on the existing theories in both
neuroscience and cognitive science, and attempt to propose special and general
rules to explain the different interactions between people and between people
and the external world. What's more, based on this model, the smallest
computing unit is extracted, which is analogous to a single neuron in the
brain.
- Abstract（参考訳）: 脳が生成した神経信号を通じて外界とどのように相互作用するかを補完することは、その動作メカニズムを決定し、脳疾患を治療し、知性を理解するために重要である。
多くの理論モデルが提案されているが、これまでのところ統合と開発は困難である。
本研究では,より汎用的でロバストなグリッドモジュールを作成し,ベイジアン推論(space-division and exploration-exploitation with grid-feedback, grid-sd2e)を用いた対話型・自己情報型認知システムを構築した。
ここでは、グリッドモジュールを外界とシステム間の相互作用媒体として、システム内の自己強化媒体として使用することができる。
空間分割探索探索(SD2E)は、その空間分割(SD)モジュールを介してグリッドの0/1信号を受信する。
本稿では,他の研究者による実験と神経復号に関する経験から得られた理論モデルについても述べる。
本稿では,神経科学と認知科学の両分野における既存の理論に基づくシステムの合理性を分析し,人と人と外の世界との間の相互作用を説明するための特別な,一般的なルールを提案する。
さらに、このモデルに基づいて、最小の計算単位が抽出され、これは脳内の1つのニューロンと類似している。
関連論文リスト
- The brain versus AI: World-model-based versatile circuit computation underlying diverse functions in the neocortex and cerebellum [0.0]
脳とAIの類似点と収束進化を同定する。
確立した神経科学理論を統合する新しい理論を提案する。
私たちの体系的なアプローチ、洞察、理論は、脳を理解するための画期的な進歩を約束します。
論文 参考訳（メタデータ） (2024-11-25T04:05:43Z) - Brain-like Functional Organization within Large Language Models [58.93629121400745]
人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた
最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。
本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。
このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
論文 参考訳（メタデータ） (2024-10-25T13:15:17Z) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳（メタデータ） (2024-05-21T20:37:07Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳（メタデータ） (2023-12-01T05:20:57Z) - Interpretable Graph Neural Networks for Connectome-Based Brain Disorder
Analysis [31.281194583900998]
本稿では、障害特異的な関心領域(ROI)と顕著なつながりを分析するための解釈可能なフレームワークを提案する。
提案するフレームワークは,脳ネットワーク指向の疾患予測のためのバックボーンモデルと,グローバルに共有された説明生成装置の2つのモジュールから構成される。
論文 参考訳（メタデータ） (2022-06-30T08:02:05Z) - Neuromorphic Artificial Intelligence Systems [58.1806704582023]
フォン・ノイマンアーキテクチャと古典的ニューラルネットワークに基づく現代のAIシステムは、脳と比較して多くの基本的な制限がある。
この記事では、そのような制限と、それらが緩和される方法について論じる。
これは、これらの制限が克服されている現在利用可能なニューロモーフィックAIプロジェクトの概要を示す。
論文 参考訳（メタデータ） (2022-05-25T20:16:05Z) - From internal models toward metacognitive AI [0.0]
前頭前皮質では、「認知現実監視ネットワーク」と呼ばれる分散型エグゼクティブネットワークが、生成的逆モデルペアの意識的な関与を編成する。
高い責任信号は、外界を最も捉えているペアに与えられる。
意識はすべての対における責任信号のエントロピーによって決定される。
論文 参考訳（メタデータ） (2021-09-27T05:00:56Z) - The whole brain architecture approach: Accelerating the development of
artificial general intelligence by referring to the brain [1.637145148171519]
個人が脳全体に対応するソフトウェアプログラムを設計することは困難である。
全脳アーキテクチャアプローチは、脳に触発されたAGI開発プロセスを脳の参照アーキテクチャを設計するタスクに分割する。
本研究では,仮想成分図を作成するための仮説構築手法である構造拘束型界面分解(scid)法を提案する。
論文 参考訳（メタデータ） (2021-03-06T04:58:12Z) - Machine Common Sense [77.34726150561087]
機械の常識は、人工知能(AI)において広範で潜在的に無拘束な問題のままである
本稿では、対人インタラクションのようなドメインに焦点を当てたコモンセンス推論のモデル化の側面について論じる。
論文 参考訳（メタデータ） (2020-06-15T13:59:47Z) - 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) - Brain-inspired self-organization with cellular neuromorphic computing
for multimodal unsupervised learning [0.0]
本稿では,自己組織マップとヘビアン様学習を用いた再突入理論に基づく脳刺激型ニューラルシステムを提案する。
システムトポロジがユーザによって固定されるのではなく,自己組織化によって学習されるような,いわゆるハードウェアの可塑性の獲得について述べる。
論文 参考訳（メタデータ） (2020-04-11T21:02:45Z)
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。