論文の概要: A Goal-Driven Approach to Systems Neuroscience
- arxiv url: http://arxiv.org/abs/2311.02704v1
- Date: Sun, 5 Nov 2023 16:37:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 16:17:09.370351
- Title: A Goal-Driven Approach to Systems Neuroscience
- Title（参考訳）: システム神経科学へのゴール駆動アプローチ
- Authors: Aran Nayebi
- Abstract要約: 人間と動物は、動的環境において様々な興味深い行動を示す。
私たちの脳が、こうした行動を可能にするために、どのようにしてこの密集した感覚情報を積極的に再構築するかは不明です。
我々は、ニューラルサーキットの統一構造モデルと機能モデルを生み出すことを約束する新しい解釈可能性の定義を提供する。
- 参考スコア（独自算出の注目度）: 2.6451153531057985
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Humans and animals exhibit a range of interesting behaviors in dynamic
environments, and it is unclear how our brains actively reformat this dense
sensory information to enable these behaviors. Experimental neuroscience is
undergoing a revolution in its ability to record and manipulate hundreds to
thousands of neurons while an animal is performing a complex behavior. As these
paradigms enable unprecedented access to the brain, a natural question that
arises is how to distill these data into interpretable insights about how
neural circuits give rise to intelligent behaviors. The classical approach in
systems neuroscience has been to ascribe well-defined operations to individual
neurons and provide a description of how these operations combine to produce a
circuit-level theory of neural computations. While this approach has had some
success for small-scale recordings with simple stimuli, designed to probe a
particular circuit computation, often times these ultimately lead to disparate
descriptions of the same system across stimuli. Perhaps more strikingly, many
response profiles of neurons are difficult to succinctly describe in words,
suggesting that new approaches are needed in light of these experimental
observations. In this thesis, we offer a different definition of
interpretability that we show has promise in yielding unified structural and
functional models of neural circuits, and describes the evolutionary
constraints that give rise to the response properties of the neural population,
including those that have previously been difficult to describe individually.
We demonstrate the utility of this framework across multiple brain areas and
species to study the roles of recurrent processing in the primate ventral
visual pathway; mouse visual processing; heterogeneity in rodent medial
entorhinal cortex; and facilitating biological learning.
- Abstract（参考訳）: 人間と動物は動的環境において様々な興味深い行動を示しており、私たちの脳がこれらの行動を可能にするためにこの密集した感覚情報を積極的に再構成しているかは定かではない。
実験的な神経科学は、動物が複雑な行動をしている間に数百から数千のニューロンを記録・操作する能力に革命を起こしている。
これらのパラダイムが前例のない脳へのアクセスを可能にしているため、自然に生じる疑問は、これらのデータをどのようにして神経回路がインテリジェントな行動を引き起こすかに関する解釈可能な洞察に絞り込むかである。
システム神経科学における古典的なアプローチは、個々のニューロンに明確に定義された操作を割り当て、これらの操作がどのように結合して神経計算の回路レベル理論を生成するかを記述することである。
このアプローチは、単純な刺激による小さな記録に成功し、特定の回路計算を探索するために設計されたが、多くの場合、刺激を通して同じシステムが異なる記述に繋がる。
おそらく驚くべきことに、ニューロンの多くの応答プロファイルは言葉で簡潔に記述することは困難であり、これらの実験的な観察に照らして新しいアプローチが必要であることを示唆している。
この論文では、ニューラルネットワークの統一構造モデルと機能モデルの生成に期待できる解釈可能性の異なる定義を提供し、これまで個別に記述することが困難であったものを含む、ニューラルネットワークの応答特性を引き起こす進化的制約について述べる。
複数の脳領域や種にまたがるこの枠組みの有用性を実証し, 霊長類腹側視覚路における反復的処理, マウス視覚処理, 歯根内側皮質における不均一性, 生物学的学習の促進について検討した。
関連論文リスト
- Hebbian Learning based Orthogonal Projection for Continual Learning of
Spiking Neural Networks [74.3099028063756]
我々は,側方接続とヘビアン学習に基づくニューラル操作を用いた新しい手法を開発した。
我々は,反復する側方接続におけるヘビアン学習と反ヘビアン学習が,神経活動の主部分空間を効果的に抽出できることを示した。
我々の手法は、ほとんど忘れることなくニューラルネットワークをスパイクするために一貫して解決する。
論文 参考訳（メタデータ） (2024-02-19T09:29:37Z) - Learn to integrate parts for whole through correlated neural variability [8.173681663544757]
感覚知覚は感覚ニューロンの反応に起因し、特定の知覚物体の物理的特性に関連付けられた知覚信号の集まりに反応する。
これらの神経反応から脳がどのように知覚情報を抽出するかを明らかにすることは、計算神経科学と機械学習の両方において重要な課題である。
本稿では,知覚情報を知覚ニューロンの相関変数に符号化し,下流ニューロンの発火速度に変換する統計力学理論を提案する。
論文 参考訳（メタデータ） (2024-01-01T13:05:29Z) - 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) - Single Biological Neurons as Temporally Precise Spatio-Temporal Pattern
Recognizers [0.0]
理論は、脳内の単一ニューロンは、時間的に非常に複雑な時間的パターン認識因子と見なされるべきという中心的な考え方に焦点を当てている。
第2章では、特定の時間的入力パターンに応答して、単一ニューロンが時間的に正確な出力パターンを生成できることを実証する。
第3章では、現実的な皮質ニューロンの識別可能な深部ネットワークを用いて、ニューロンの出力の影響を近似する。
論文 参考訳（メタデータ） (2023-09-26T17:32:08Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳（メタデータ） (2022-12-08T15:16:04Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳（メタデータ） (2022-01-19T09:26:34Z) - 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) - Neuronal Learning Analysis using Cycle-Consistent Adversarial Networks [4.874780144224057]
我々は、-CycleGANと呼ばれる深層生成モデルを用いて、前学習と後学習の神経活動の間の未知のマッピングを学習する。
我々は,カルシウム蛍光信号を前処理し,訓練し,評価するためのエンドツーエンドパイプラインを開発し,その結果の深層学習モデルを解釈する手法を開発した。
論文 参考訳（メタデータ） (2021-11-25T13:24:19Z) - A Neural Dynamic Model based on Activation Diffusion and a
Micro-Explanation for Cognitive Operations [4.416484585765028]
記憶の神経機構は、人工知能における表現の問題と非常に密接な関係を持っている。
脳内のニューロンのネットワークとその情報処理のシミュレーションを行う計算モデルが提案された。
論文 参考訳（メタデータ） (2020-11-27T01:34:08Z) - Compositional Explanations of Neurons [52.71742655312625]
本稿では, 合成論理的概念を同定し, 深部表現におけるニューロンの説明手順について述べる。
本稿では,視覚と自然言語処理のモデルにおける解釈可能性に関するいくつかの疑問に答えるために,この手順を用いる。
論文 参考訳（メタデータ） (2020-06-24T20:37:05Z)
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。