論文の概要: Learning beyond sensations: how dreams organize neuronal representations

• arxiv url: http://arxiv.org/abs/2308.01830v1
• Date: Thu, 3 Aug 2023 15:45:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-04 13:39:01.290450
• Title: Learning beyond sensations: how dreams organize neuronal representations
• Title（参考訳）: 感覚を超えた学習 : 夢はどのように神経表現を組織するか
• Authors: Nicolas Deperrois, Mihai A. Petrovici, Walter Senn, and Jakob Jordan
• Abstract要約: 仮想体験の生成を通じて表現を整理する2つの相補的な学習原理について論じる。 これらの原理は、既知の皮質構造や力学、睡眠の現象学と互換性がある。
• 参考スコア（独自算出の注目度）: 0.5249805590164901
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Semantic representations in higher sensory cortices form the basis for robust, yet flexible behavior. These representations are acquired over the course of development in an unsupervised fashion and continuously maintained over an organism's lifespan. Predictive learning theories propose that these representations emerge from predicting or reconstructing sensory inputs. However, brains are known to generate virtual experiences, such as during imagination and dreaming, that go beyond previously experienced inputs. Here, we suggest that virtual experiences may be just as relevant as actual sensory inputs in shaping cortical representations.In particular, we discuss two complementary learning principles that organize representations through the generation of virtual experiences. First, "adversarial dreaming" proposes that creative dreams support a cortical implementation of adversarial learning in which feedback and feedforward pathways engage in a productive game of trying to fool each other. Second, "contrastive dreaming" proposes that the invariance of neuronal representations to irrelevant factors of variation is acquired by trying to map similar virtual experiences together via a contrastive learning process. These principles are compatible with known cortical structure and dynamics and the phenomenology of sleep thus providing promising directions to explain cortical learning beyond the classical predictive learning paradigm.
• Abstract（参考訳）: 高次感覚皮質における意味表現は、頑健だが柔軟な行動の基礎を形成する。 これらの表現は、未監督の方法で開発過程で獲得され、生物の寿命にわたって継続的に維持される。 予測学習理論は、これらの表現が感覚入力の予測または再構成から生じることを示唆する。 しかし、脳は想像や夢のような、以前に経験した経験を超越した仮想体験を生み出すことが知られている。 ここでは,仮想体験は,脳皮質表現の形成において,実際の感覚入力と同程度に関連があることを示唆し,特に,仮想体験の生成を通じて表現を整理する2つの相補的学習原理について議論する。 まず、"adversarial dreaming"は、創造的な夢は、フィードバックとフィードフォワードの経路が互いに騙そうとする生産的なゲームに関与する、敵の学習の皮質的実装をサポートすることを提案している。 第2に"contrastive dreaming"では、類似した仮想体験を対比学習プロセスを通じてマップすることで、変動の無関係な要因に対するニューロン表現の不変性を得ることが提案されている。 これらの原理は既知の皮質構造とダイナミクス、睡眠の現象学と相性があり、古典的予測学習パラダイムを超えて皮質学習を説明する有望な方向を与える。

関連論文リスト

• How does the primate brain combine generative and discriminative computations in vision? [4.691670689443386]
  推論過程の2つの対照的な概念は、それぞれ生物学的ビジョンと機械ビジョンの研究に影響を与えている。 視覚は、しばしば感覚データのトップダウン予測を含むと考えられるプロセスにおいて、証拠の尋問を通じて生成モデルを逆転させることを示す。 本稿では,この用語を説明し,重要な実証的証拠を概説するとともに,霊長類視覚の謎のハイブリッドアルゴリズムを明らかにするための段階を超越し,設定する経験的研究プログラムを提案する。
  論文  参考訳（メタデータ） (2024-01-11T16:07:58Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Rejecting Cognitivism: Computational Phenomenology for Deep Learning [5.070542698701158]
  本稿では,新しい手法である計算現象学に基づくディープラーニングのための非表現主義的フレームワークを提案する。 我々は、人工知能が外部エンティティの表現を符号化する深層学習の現代の認知論的解釈を拒絶する。
  論文  参考訳（メタデータ） (2023-02-16T20:05:06Z)
• Consciousness is entailed by compositional learning of new causal structures in deep predictive processing systems [0.0]
  人間では、そのような学習は特定の宣言的記憶形成を含み、意識と密接に関連している。 予測できない推論の階層的バインディングを通じて、オンラインで単例の新たな構造学習を追加することで予測処理を拡張する。 本提案では, 特徴結合, 繰り返し処理, 予測処理, 意識のグローバルな理論を自然に統一する。
  論文  参考訳（メタデータ） (2023-01-17T17:06:48Z)
• A-ACT: Action Anticipation through Cycle Transformations [89.83027919085289]
  未来を予測できる人間の能力が、機械学習アルゴリズムにどのように移行できるかを分析するために、一歩後退します。 人間の心理学に関する最近の研究は、発生を予測して、人間の脳が両方のシステムにカウントされていることを説明している。 本研究では,行動予測作業における各システムの影響について検討し,学習フレームワークに統合するためのパラダイムを導入する。
  論文  参考訳（メタデータ） (2022-04-02T21:50:45Z)
• The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
  本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。 トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
  論文  参考訳（メタデータ） (2022-03-03T17:19:12Z)
• How to build a cognitive map: insights from models of the hippocampal formation [0.45880283710344055]
  認知地図の概念は、これらの能力の主要な比喩の1つとして現れてきた。 そのような地図の学習と神経表現が 神経科学の中心になっている
  論文  参考訳（メタデータ） (2022-02-03T16:49:37Z)
• Memory semantization through perturbed and adversarial dreaming [0.7874708385247353]
  本稿では, 高速眼球運動(REM)ドリームが, 効率的なメモリセマンティゼーションに欠かせないことを提案する。 我々はGAN(Generative Adversarial Network)にインスパイアされた階層的なフィードフォワードとフィードバック経路を備えた皮質アーキテクチャを実装した。 以上の結果から,REM睡眠時の敵の夢は記憶内容の抽出に不可欠であり,NREM睡眠時の夢は雑音の知覚入力に対する潜伏表現の堅牢性を向上させることが示唆された。
  論文  参考訳（メタデータ） (2021-09-09T13:31:13Z)
• Constellation: Learning relational abstractions over objects for compositional imagination [64.99658940906917]
  静的な視覚シーンのリレーショナル抽象化を学習するネットワークであるConstellationを紹介する。 この研究は、視覚的関係を明確に表現し、それらを複雑な認知手続きに使用するための第一歩である。
  論文  参考訳（メタデータ） (2021-07-23T11:59:40Z)
• Backprop-Free Reinforcement Learning with Active Neural Generative Coding [84.11376568625353]
  動的環境におけるエラー(バックプロップ)のバックプロパゲーションを伴わない行動駆動型生成モデルの学習のための計算フレームワークを提案する。 我々は、まばらな報酬でも機能するインテリジェントエージェントを開発し、推論として計画の認知理論からインスピレーションを得ている。 我々のエージェントの堅牢な性能は、神経推論と学習のためのバックプロップフリーアプローチがゴール指向の行動を促進するという有望な証拠を提供する。
  論文  参考訳（メタデータ） (2021-07-10T19:02:27Z)
• 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)

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。