論文の概要: BrainSLAM: SLAM on Neural Population Activity Data

• arxiv url: http://arxiv.org/abs/2402.00588v1
• Date: Thu, 1 Feb 2024 13:34:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-02 15:10:43.919226
• Title: BrainSLAM: SLAM on Neural Population Activity Data
• Title（参考訳）: BrainSLAM: 神経集団活動データに基づくSLAM
• Authors: Kipp Freud, Nathan Lepora, Matt W. Jones, Cian O'Donnell
• Abstract要約: 同時ローカライゼーションとマッピング(SLAM)アルゴリズムは、新しい環境の地図を学習するためのロボットシステムで一般的に用いられている。 脳SLAM(BrainSLAM)は、ラットの3つの脳領域から同時に記録された集団活動(局所野電位)データのみを用いてSLAMを実行する方法である。 これは、脳の記録から空間地図が推測された最初の例である。
• 参考スコア（独自算出の注目度）: 0.5461938536945721
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Simultaneous localisation and mapping (SLAM) algorithms are commonly used in robotic systems for learning maps of novel environments. Brains also appear to learn maps, but the mechanisms are not known and it is unclear how to infer these maps from neural activity data. We present BrainSLAM; a method for performing SLAM using only population activity (local field potential, LFP) data simultaneously recorded from three brain regions in rats: hippocampus, prefrontal cortex, and parietal cortex. This system uses a convolutional neural network (CNN) to decode velocity and familiarity information from wavelet scalograms of neural local field potential data recorded from rats as they navigate a 2D maze. The CNN's output drives a RatSLAM-inspired architecture, powering an attractor network which performs path integration plus a separate system which performs `loop closure' (detecting previously visited locations and correcting map aliasing errors). Together, these three components can construct faithful representations of the environment while simultaneously tracking the animal's location. This is the first demonstration of inference of a spatial map from brain recordings. Our findings expand SLAM to a new modality, enabling a new method of mapping environments and facilitating a better understanding of the role of cognitive maps in navigation and decision making.
• Abstract（参考訳）: 同時ローカライゼーションとマッピング(SLAM)アルゴリズムは、新しい環境の地図を学習するためのロボットシステムで一般的に用いられている。 脳も地図を学習しているように見えるが、そのメカニズムは分かっておらず、これらの地図を神経活動データからどのように推測するかは不明だ。 脳SLAMは,ラットの海馬,前頭前皮質,頭頂皮質の3つの脳領域から同時に記録された集団活動(局所野電位,LFP)データのみを用いてSLAMを実行する方法である。 このシステムは畳み込みニューラルネットワーク(cnn)を使用して、2次元迷路を移動するときにラットから記録された神経局所電位データのウェーブレットスカルグラムから速度と親密度情報を復号する。 CNNの出力は、RatSLAMにインスパイアされたアーキテクチャを駆動し、パス統合を行うアトラクターネットワークと‘ループクロージャ’を実行する別システム(以前に訪れた場所を検出し、マップエイリアスエラーを修正する)を駆動する。 これら3つの構成要素は、動物の位置を同時に追跡しながら、環境の忠実な表現を構築することができる。 これは脳の記録から空間地図が推測された最初の例である。 本研究はSLAMを新たなモダリティへと拡張し,ナビゲーションや意思決定における認知地図の役割の理解を深める,新たな環境マッピング手法を実現する。

関連論文リスト

• A Global Data-Driven Model for The Hippocampus and Nucleus Accumbens of Rat From The Local Field Potential Recordings (LFP) [0.19999259391104385]
  ローカルフィールド電位(LFP)信号は、脳神経回路内の情報の動的流れを表す。 本稿では、異なる状況下で脳信号を予測するグローバルなデータ駆動モデルを特定する。 モルヒネと自然報酬はこれらの領域のニューロンの動的特徴を変化させない。
  論文  参考訳（メタデータ） (2024-05-10T15:58:39Z)
• Multi-Modal Cognitive Maps based on Neural Networks trained on Successor Representations [3.4916237834391874]
  認知地図(Cognitive map)は、脳が記憶を効率的に整理し、そこからコンテキストを取り出す方法に関する概念である。 そこで我々は,細胞動態と認知地図表現をモデル化可能な後続表現を用いたマルチモーダルニューラルネットワークを構築した。 ネットワークは、新しい入力とトレーニングデータベースの類似性を学習し、認知地図の表現を成功させる。
  論文  参考訳（メタデータ） (2023-12-22T12:44:15Z)
• Active Neural Mapping [20.242598287146578]
  本稿では,連続学習型ニューラルシーン表現,すなわちアクティブニューラルマッピングによるアクティブマッピングの問題に対処する。 オンラインシーン再構築のための座標に基づく暗黙的ニューラル表現を用いたアクティブマッピングシステムについて初めて紹介する。
  論文  参考訳（メタデータ） (2023-08-30T18:07:30Z)
• Language Knowledge-Assisted Representation Learning for Skeleton-Based Action Recognition [71.35205097460124]
  人間が他人の行動を理解して認識する方法は、複雑な神経科学の問題である。 LA-GCNは、大規模言語モデル(LLM)知識アシストを用いたグラフ畳み込みネットワークを提案する。
  論文  参考訳（メタデータ） (2023-05-21T08:29:16Z)
• Visualizing Deep Neural Networks with Topographic Activation Maps [1.1470070927586014]
  我々は,ディープニューラルネットワーク層におけるニューロンの地形的レイアウトを求める手法を紹介し,比較する。 本研究では,地形のアクティベーションマップを用いて誤りの特定やバイアスのエンコードを行い,トレーニングプロセスの可視化を行う。
  論文  参考訳（メタデータ） (2022-04-07T15:56:44Z)
• 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)
• Can the brain use waves to solve planning problems? [62.997667081978825]
  このような課題を解くニューラルネットワークモデルを提案する。 このモデルは、哺乳類の新皮質と海馬に関する幅広い実験的な発見と互換性がある。
  論文  参考訳（メタデータ） (2021-10-11T11:07:05Z)
• LGGNet: Learning from Local-Global-Graph Representations for Brain-Computer Interface [9.825158483198113]
  我々は,脳波から局所的グローバルグラフ表現を学ぶために,神経学的にインスパイアされたグラフニューラルネットワークlggを提案する。 脳波の時間的ダイナミクスを学習するために, 複数スケールの1次元畳み込み核とカーネルレベルの注目融合を有する時間的畳み込み層を提案する。
  論文  参考訳（メタデータ） (2021-05-05T12:06:34Z)
• Neuroevolution of a Recurrent Neural Network for Spatial and Working Memory in a Simulated Robotic Environment [57.91534223695695]
  我々は,ラットで観察される行動と神経活動を再現する進化的アルゴリズムを用いて,生物学的に有意なリカレントニューラルネットワーク(RNN)でウェイトを進化させた。 提案手法は, 進化したRNNの動的活動が, 興味深く複雑な認知行動をどのように捉えているかを示す。
  論文  参考訳（メタデータ） (2021-02-25T02:13:52Z)
• Emotional EEG Classification using Connectivity Features and Convolutional Neural Networks [81.74442855155843]
  CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。 対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
  論文  参考訳（メタデータ） (2021-01-18T13:28:08Z)
• Non-linear Neurons with Human-like Apical Dendrite Activations [81.18416067005538]
  XOR論理関数を100%精度で学習し, 標準的なニューロンに後続のアピーカルデンドライト活性化(ADA)が認められた。 コンピュータビジョン,信号処理,自然言語処理の6つのベンチマークデータセットについて実験を行った。
  論文  参考訳（メタデータ） (2020-02-02T21:09:39Z)

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。