論文の概要: Learn to integrate parts for whole through correlated neural variability
- arxiv url: http://arxiv.org/abs/2401.00746v1
- Date: Mon, 1 Jan 2024 13:05:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-03 15:55:28.481763
- Title: Learn to integrate parts for whole through correlated neural variability
- Title（参考訳）: 相関型ニューラルバリアビリティによる部分統合の学習
- Authors: Zhichao Zhu, Yang Qi, Wenlian Lu, Jianfeng Feng
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 8.173681663544757
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sensory perception originates from the responses of sensory neurons, which
react to a collection of sensory signals linked to various physical attributes
of a singular perceptual object. Unraveling how the brain extracts perceptual
information from these neuronal responses is a pivotal challenge in both
computational neuroscience and machine learning. Here we introduce a
statistical mechanical theory, where perceptual information is first encoded in
the correlated variability of sensory neurons and then reformatted into the
firing rates of downstream neurons. Applying this theory, we illustrate the
encoding of motion direction using neural covariance and demonstrate
high-fidelity direction recovery by spiking neural networks. Networks trained
under this theory also show enhanced performance in classifying natural images,
achieving higher accuracy and faster inference speed. Our results challenge the
traditional view of neural covariance as a secondary factor in neural coding,
highlighting its potential influence on brain function.
- Abstract（参考訳）: 感覚知覚は感覚ニューロンの反応から発生し、感覚信号の集合に反応し、特定の知覚対象の様々な物理的特性に結びつく。
これらのニューロンの反応から脳がどのように知覚情報を抽出するかは、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。
ここでは,知覚情報が知覚ニューロンの相関変動性にエンコードされ,次いで下流ニューロンの発火速度に再結合する統計力学的理論を紹介する。
この理論を応用し,ニューラルネットワークを用いた動き方向の符号化を行い,スパイクニューラルネットワークによる高忠実度方向復元を示す。
この理論の下で訓練されたネットワークは、自然画像の分類性能も向上し、より高精度で高速な推論速度を実現した。
以上の結果から,脳機能への影響を強調し,神経共変性をニューラルコーディングの二次的要因とする従来の考え方に挑戦した。
関連論文リスト
- 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) - NeuroBind: Towards Unified Multimodal Representations for Neural Signals [20.02503060795981]
脳波、fMRI、カルシウムイメージング、スパイキングデータを含む複数の脳信号タイプを統一する表現であるNeuroBindを提案する。
このアプローチは、神経科学研究の進展、AIシステムの改善、神経補綴学と脳-コンピュータインターフェースの開発において大きな可能性を秘めている。
論文 参考訳（メタデータ） (2024-07-19T04:42:52Z) - Exploring neural oscillations during speech perception via surrogate gradient spiking neural networks [59.38765771221084]
本稿では、ディープラーニングフレームワークと互換性があり、スケーラブルな、生理学的にインスパイアされた音声認識アーキテクチャを提案する。
本研究では, 終末から終末までの勾配降下訓練が, 中枢スパイク神経ネットワークにおける神経振動の出現に繋がることを示す。
本研究は, スパイク周波数適応やリカレント接続などのフィードバック機構が, 認識性能を向上させるために, 神経活動の調節と同期に重要な役割を担っていることを明らかにする。
論文 参考訳（メタデータ） (2024-04-22T09:40:07Z) - 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) - Spiking neural network for nonlinear regression [68.8204255655161]
スパイクニューラルネットワークは、メモリとエネルギー消費を大幅に削減する可能性を持っている。
彼らは、次世代のニューロモルフィックハードウェアによって活用できる時間的および神経的疎結合を導入する。
スパイキングニューラルネットワークを用いた回帰フレームワークを提案する。
論文 参考訳（メタデータ） (2022-10-06T13:04:45Z) - Brain-inspired Graph Spiking Neural Networks for Commonsense Knowledge
Representation and Reasoning [11.048601659933249]
神経科学、認知科学、心理学、人工知能において、人間の脳におけるニューラルネットワークがどのように常識知識を表現するかは重要な研究トピックである。
本研究は, 個体群エンコーディングとスパイクタイミング依存的可塑性(STDP)機構をスパイクニューラルネットワークの学習に組み込む方法について検討する。
異なるコミュニティのニューロン集団は、コモンセンス知識グラフ全体を構成し、巨大なグラフがニューラルネットワークをスパイクする。
論文 参考訳（メタデータ） (2022-07-11T05:22:38Z) - Data-driven emergence of convolutional structure in neural networks [83.4920717252233]
識別タスクを解くニューラルネットワークが、入力から直接畳み込み構造を学習できることを示す。
データモデルを慎重に設計することにより、このパターンの出現は、入力の非ガウス的、高次局所構造によって引き起こされることを示す。
論文 参考訳（メタデータ） (2022-02-01T17:11:13Z) - 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) - Drop, Swap, and Generate: A Self-Supervised Approach for Generating
Neural Activity [33.06823702945747]
我々はSwap-VAEと呼ばれる神経活動の不整合表現を学習するための新しい教師なしアプローチを導入する。
このアプローチは、生成モデリングフレームワークとインスタンス固有のアライメント損失を組み合わせたものです。
我々は、行動に関連付けられた関連する潜在次元に沿って、ニューラルネットワークをアンタングルする表現を構築することが可能であることを示す。
論文 参考訳（メタデータ） (2021-11-03T16:39:43Z) - NeuroCartography: Scalable Automatic Visual Summarization of Concepts in
Deep Neural Networks [18.62960153659548]
NeuroCartographyは、ニューラルネットワークで学んだ概念を要約し視覚化するインタラクティブシステムである。
同じ概念を検知するニューロンを自動的に発見し、グループ化する。
このようなニューロン群がどのように相互作用し、より高いレベルの概念とその後の予測を形成するかを記述する。
論文 参考訳（メタデータ） (2021-08-29T22:43:52Z)
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。