論文の概要: Two-compartment neuronal spiking model expressing brain-state specific
apical-amplification, -isolation and -drive regimes
- arxiv url: http://arxiv.org/abs/2311.06074v1
- Date: Fri, 10 Nov 2023 14:16:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-13 15:09:07.096674
- Title: Two-compartment neuronal spiking model expressing brain-state specific
apical-amplification, -isolation and -drive regimes
- Title(参考訳): 脳状態特異的apical-amplification,-isolation,-drive regimeを発現する2成分神経スパイキングモデル
- Authors: Elena Pastorelli, Alper Yegenoglu, Nicole Kolodziej, Willem Wybo,
Francesco Simula, Sandra Diaz, Johan Frederik Storm, Pier Stanislao Paolucci
- Abstract要約: 脳状態特異的神経機構は、過去の知識と文脈的知識と、現在の、入ってくる証拠の流れを組み合わせるのに役立つ。
本研究の目的は、脳-状態特化学習をサポートするのに不可欠な特徴を含む、2成分スパイクニューロンモデルを提供することである。
- 参考スコア(独自算出の注目度): 0.7528462379265576
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There is mounting experimental evidence that brain-state specific neural
mechanisms supported by connectomic architectures serve to combine past and
contextual knowledge with current, incoming flow of evidence (e.g. from sensory
systems). Such mechanisms are distributed across multiple spatial and temporal
scales and require dedicated support at the levels of individual neurons and
synapses. A prominent feature in the neocortex is the structure of large, deep
pyramidal neurons which show a peculiar separation between an apical dendritic
compartment and a basal dentritic/peri-somatic compartment, with distinctive
patterns of incoming connections and brain-state specific activation
mechanisms, namely apical-amplification, -isolation and -drive associated to
the wakefulness, deeper NREM sleep stages and REM sleep. The cognitive roles of
apical mechanisms have been demonstrated in behaving animals. In contrast,
classical models of learning spiking networks are based on single compartment
neurons that miss the description of mechanisms to combine apical and
basal/somatic information. This work aims to provide the computational
community with a two-compartment spiking neuron model which includes features
that are essential for supporting brain-state specific learning and with a
piece-wise linear transfer function (ThetaPlanes) at highest abstraction level
to be used in large scale bio-inspired artificial intelligence systems. A
machine learning algorithm, constrained by a set of fitness functions, selected
the parameters defining neurons expressing the desired apical mechanisms.
- Abstract(参考訳): コネクトロミックアーキテクチャによって支持される脳状態特異的神経機構が、過去の知識と文脈的知識を現在の、例えば感覚システムから来るエビデンスの流れとを結びつけるのに役立つという実験的な証拠が生まれている。
このようなメカニズムは、複数の空間的および時間的スケールに分散し、個々のニューロンとシナプスのレベルに専用の支持を必要とする。
新皮質の顕著な特徴は、円錐状樹状突起と基底状樹状/近位体間区画の特異な分離を示す大きな錐体ニューロンの構造であり、入射する接続のパターンと脳状態特異的活性化機構、すなわち、覚醒、深いNREM睡眠ステージ、REM睡眠に関連する円錐体増幅、-イソレーション、-ドライブである。
アピカルメカニズムの認知的役割は、行動動物において実証されている。
対照的に、古典的な学習スパイクネットワークのモデルは、根尖情報と基底/体性情報を組み合わせたメカニズムの記述を欠いた単一区画ニューロンに基づいている。
本研究の目的は,脳状態の特定の学習を支援するのに不可欠な機能と,大規模バイオインスパイアされた人工知能システムで使用される,高い抽象レベルでの線形伝達関数(ThetaPlanes)を含む,2部構成のスパイクニューロンモデルを提供することである。
一連の適合関数に制約された機械学習アルゴリズムは、所望の尖端機構を表すニューロンを定義するパラメータを選択した。
関連論文リスト
- 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) - Personalized identification, prediction, and stimulation of neural
oscillations via data-driven models of epileptic network dynamics [0.0]
脳波データから直接ててんかん性ネットワークダイナミクスの予測モデルを抽出するフレームワークを開発する。
本研究では,周期運転下での脳ネットワーク力学モデル間の直接対応を構築することができることを示す。
このことは、周期的な脳刺激がてんかん性ネットワークの病態状態を正常な機能的脳状態へと導くことを示唆している。
論文 参考訳(メタデータ) (2023-10-20T13:21:31Z) - 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) - A Study of Biologically Plausible Neural Network: The Role and
Interactions of Brain-Inspired Mechanisms in Continual Learning [13.041607703862724]
人間は絶えず変化する環境から情報を取得し、統合し、保持するのに優れていますが、人工ニューラルネットワーク(ANN)は破滅的な忘れ物を示します。
我々は、デイルの原理に従う排他的および抑制的ニューロンの集団を分離して構成する生物学的に妥当な枠組みを考察する。
次に,脳にインスパイアされた様々なメカニズムの役割と相互作用について包括的研究を行い,その内容は,疎密な非重複表現,ヘビアン学習,シナプス統合,学習イベントに伴う過去の活性化の再現などである。
論文 参考訳(メタデータ) (2023-04-13T16:34:12Z) - 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) - Learning by Active Forgetting for Neural Networks [36.47528616276579]
記憶と忘れのメカニズムは、人間の学習記憶システムにおいて、同じコインの2つの側面である。
現代の機械学習システムは、記憶を良くすることで、生涯にわたる学習能力を持つ機械を育むために取り組んできた。
本稿では,ニューラルネットワークを用いた能動的記憶機構による学習モデルを提案する。
論文 参考訳(メタデータ) (2021-11-21T14:55:03Z) - 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) - The distribution of inhibitory neurons in the C. elegans connectome
facilitates self-optimization of coordinated neural activity [78.15296214629433]
線虫Caenorhabditis elegansの神経系は、昆虫のサイズが小さいにもかかわらず著しく複雑である。
一般的な課題は、システムレベルでの神経組織と神経活動の関係をよりよく理解することである。
我々は,各ニューロンの神経伝達物質同定を近似した,C. elegans Connectomeの抽象シミュレーションモデルを実装した。
論文 参考訳(メタデータ) (2020-10-28T23:11:37Z) - 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。