論文の概要: The Neuron as a Direct Data-Driven Controller
- arxiv url: http://arxiv.org/abs/2401.01489v1
- Date: Wed, 3 Jan 2024 01:24:10 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-04 15:35:30.982650
- Title: The Neuron as a Direct Data-Driven Controller
- Title(参考訳): 直接データ駆動制御としてのニューロン
- Authors: Jason Moore, Alexander Genkin, Magnus Tournoy, Joshua Pughe-Sanford,
Rob R. de Ruyter van Steveninck, and Dmitri B. Chklovskii
- Abstract要約: 本研究は、ニューロンを最適フィードバックコントローラとして概念化し、予測を最適化する現在の規範モデルを拡張する。
我々は、ニューロンを生物学的に実現可能なコントローラとしてモデル化し、ループダイナミクスを暗黙的に識別し、潜伏状態を推測し、制御を最適化する。
我々のモデルは、従来の、フィードフォワード、即時応答のマカロック-ピッツ-ローゼンブラットニューロンから大きく離れており、ニューラルネットワークを構築するための、新しく生物学的にインフォームドされた基本ユニットを提供する。
- 参考スコア(独自算出の注目度): 43.8450722109081
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the quest to model neuronal function amidst gaps in physiological data, a
promising strategy is to develop a normative theory that interprets neuronal
physiology as optimizing a computational objective. This study extends the
current normative models, which primarily optimize prediction, by
conceptualizing neurons as optimal feedback controllers. We posit that neurons,
especially those beyond early sensory areas, act as controllers, steering their
environment towards a specific desired state through their output. This
environment comprises both synaptically interlinked neurons and external motor
sensory feedback loops, enabling neurons to evaluate the effectiveness of their
control via synaptic feedback. Utilizing the novel Direct Data-Driven Control
(DD-DC) framework, we model neurons as biologically feasible controllers which
implicitly identify loop dynamics, infer latent states and optimize control.
Our DD-DC neuron model explains various neurophysiological phenomena: the shift
from potentiation to depression in Spike-Timing-Dependent Plasticity (STDP)
with its asymmetry, the duration and adaptive nature of feedforward and
feedback neuronal filters, the imprecision in spike generation under constant
stimulation, and the characteristic operational variability and noise in the
brain. Our model presents a significant departure from the traditional,
feedforward, instant-response McCulloch-Pitts-Rosenblatt neuron, offering a
novel and biologically-informed fundamental unit for constructing neural
networks.
- Abstract(参考訳): 生理学的データのギャップの中でニューロンの機能をモデル化しようとする試みにおいて、有望な戦略は、神経生理学を計算目的の最適化として解釈する規範理論を開発することである。
本研究は、ニューロンを最適フィードバックコントローラとして概念化し、予測を最適化する現在の規範モデルを拡張する。
我々は、ニューロン、特に初期の感覚領域を超えて、その出力を通じて、環境を特定の望ましい状態に向けて操りながら、コントローラとして振る舞うことを仮定する。
この環境はシナプス結合ニューロンと外部運動感覚フィードバックループの両方を含み、シナプスフィードバックによる制御の有効性を評価することができる。
新たなDD-DC(Direct Data-Driven Control)フレームワークを利用することで、ニューロンを生物学的に実現可能なコントローラとしてモデル化する。
私たちのdd-dcニューロンモデルは様々な神経生理学的現象を説明する:その非対称性によるspike-timing-dependent plasticity(stdp)の増強から抑うつへのシフト、フィードフォワードおよびフィードバックニューロンフィルタの持続時間と適応性、一定の刺激下でのスパイク発生の欠如、脳の操作的変動とノイズ。
我々のモデルは、従来の、フィードフォワード、即時応答のマカロック-ピッツ-ローゼンブラットニューロンから大きく離れており、ニューラルネットワークを構築するための、新しく生物学的にインフォームドされた基本ユニットを提供する。
関連論文リスト
- Learning Control Policies of Hodgkin-Huxley Neuronal Dynamics [1.629803445577911]
ニューラルネットワークを用いてオフラインで値関数を近似し、フィードバックフォームを介してリアルタイムで制御(刺激)を生成する。
数値実験では, 分布外サンプルに対するアプローチの精度と, 系の緩やかな衝撃や乱れに対する頑健さが示されている。
論文 参考訳(メタデータ) (2023-11-13T18:53:50Z) - WaLiN-GUI: a graphical and auditory tool for neuron-based encoding [73.88751967207419]
ニューロモルフィックコンピューティングはスパイクベースのエネルギー効率の高い通信に依存している。
本研究では, スパイクトレインへのサンプルベースデータの符号化に適した構成を同定するツールを開発した。
WaLiN-GUIはオープンソースとドキュメントが提供されている。
論文 参考訳(メタデータ) (2023-10-25T20:34:08Z) - Contrastive-Signal-Dependent Plasticity: Forward-Forward Learning of
Spiking Neural Systems [73.18020682258606]
我々は、ニューロンの個々の層が並列に機能する、スパイキングニューロンユニットからなる神経模倣アーキテクチャを開発する。
コントラスト信号依存塑性(CSDP)と呼ばれるイベントベース前方学習の一般化を提案する。
いくつかのパターンデータセットに対する実験結果から,CSDPプロセスは分類と再構成の両方が可能な動的再帰スパイクネットワークのトレーニングに有効であることが示された。
論文 参考訳(メタデータ) (2023-03-30T02:40:28Z) - 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) - STNDT: Modeling Neural Population Activity with a Spatiotemporal
Transformer [19.329190789275565]
我々は、個々のニューロンの応答を明示的にモデル化するNDTベースのアーキテクチャであるSpatioTemporal Neural Data Transformer (STNDT)を紹介する。
本モデルは,4つのニューラルデータセット間での神経活動の推定において,アンサンブルレベルでの最先端性能を実現することを示す。
論文 参考訳(メタデータ) (2022-06-09T18:54:23Z) - 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) - Improving Spiking Neural Network Accuracy Using Time-based Neurons [0.24366811507669117]
アナログニューロンを用いた低消費電力スパイクニューラルネットワークに基づくニューロモルフィックコンピューティングシステムの研究が注目されている。
技術のスケールダウンに伴い、アナログニューロンはスケールが難しく、電圧ヘッドルーム/ダイナミックレンジの減少と回路の非線形性に悩まされる。
本稿では,28nmプロセスで設計した既存の電流ミラー型電圧ドメインニューロンの非線形挙動をモデル化し,ニューロンの非線形性の影響によりSNN推定精度を著しく劣化させることができることを示す。
本稿では,時間領域のスパイクを処理し,線形性を大幅に向上させる新しいニューロンを提案する。
論文 参考訳(メタデータ) (2022-01-05T00:24:45Z) - 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) - Constrained plasticity reserve as a natural way to control frequency and
weights in spiking neural networks [0.0]
細胞動力学は神経細胞が激しいシグナルをフィルターして、ニューロンの発火速度を安定させるのにどのように役立つかを示す。
このようなアプローチは、AIシステムの堅牢性を改善するために、機械学習領域で使用される可能性がある。
論文 参考訳(メタデータ) (2021-03-15T05:22:14Z)
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。