論文の概要: Time Makes Space: Emergence of Place Fields in Networks Encoding Temporally Continuous Sensory Experiences

• arxiv url: http://arxiv.org/abs/2408.05798v1
• Date: Sun, 11 Aug 2024 15:17:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-13 15:27:01.094791
• Title: Time Makes Space: Emergence of Place Fields in Networks Encoding Temporally Continuous Sensory Experiences
• Title（参考訳）: Time Make Space: 時間的に連続した感覚体験を符号化するネットワークにおける場所フィールドの出現
• Authors: Zhaoze Wang, Ronald W. Di Tullio, Spencer Rooke, Vijay Balasubramanian,
• Abstract要約: 時間的に連続した感覚エピソードを記憶するために訓練されたネットワークに位置細胞が出現することを示す。 プレースフィールドは海馬現象学の重要な側面を再現する。
• 参考スコア（独自算出の注目度）: 0.7499722271664147
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The vertebrate hippocampus is believed to use recurrent connectivity in area CA3 to support episodic memory recall from partial cues. This brain area also contains place cells, whose location-selective firing fields implement maps supporting spatial memory. Here we show that place cells emerge in networks trained to remember temporally continuous sensory episodes. We model CA3 as a recurrent autoencoder that recalls and reconstructs sensory experiences from noisy and partially occluded observations by agents traversing simulated rooms. The agents move in realistic trajectories modeled from rodents and environments are modeled as high-dimensional sensory experience maps. Training our autoencoder to pattern-complete and reconstruct experiences with a constraint on total activity causes spatially localized firing fields, i.e., place cells, to emerge in the encoding layer. The emergent place fields reproduce key aspects of hippocampal phenomenology: a) remapping (maintenance of and reversion to distinct learned maps in different environments), implemented via repositioning of experience manifolds in the network's hidden layer, b) orthogonality of spatial representations in different arenas, c) robust place field emergence in differently shaped rooms, with single units showing multiple place fields in large or complex spaces, and d) slow representational drift of place fields. We argue that these results arise because continuous traversal of space makes sensory experience temporally continuous. We make testable predictions: a) rapidly changing sensory context will disrupt place fields, b) place fields will form even if recurrent connections are blocked, but reversion to previously learned representations upon remapping will be abolished, c) the dimension of temporally smooth experience sets the dimensionality of place fields, including during virtual navigation of abstract spaces.
• Abstract（参考訳）: 脊椎動物の海馬は、部分的なキューからのエピソード記憶のリコールをサポートするために、CA3領域の繰り返し接続を使用すると考えられている。 この脳領域は、位置選択的発射場が空間記憶をサポートするマップを実装している場所細胞も含む。 ここでは、時間的に連続した感覚エピソードを記憶するために訓練されたネットワークに、場所細胞が出現することを示す。 そこで我々はCA3を,模擬室内を横断するエージェントによるノイズや部分閉塞な観察から感覚体験を再現し,再現する再帰型オートエンコーダとしてモデル化した。 エージェントはげっ歯類からモデル化されたリアルな軌道を移動し、環境は高次元の感覚経験マップとしてモデル化される。 オートエンコーダをパターン完備に訓練し、全活動に制約を加えて経験を再構築することで、空間的に局所化された焼成場、すなわち細胞がコード層に出現する。 創発的な場所フィールドは、海馬の現象学の重要な側面を再現する。 a) ネットワークの隠された層における経験多様体の再配置により実施されるリマッピング(異なる環境における異なる学習地図の保守及び復号) b) 異なるアリーナにおける空間表現の直交性 c) 異なる形状の部屋において、大きな又は複雑な空間において複数の場所のフィールドを示す単一のユニットが頑丈な場所の出現 d) 場所フィールドの緩やかな表現的ドリフト 空間の連続的移動が感覚体験を時間的に連続させるため、これらの結果が生じると我々は主張する。 私たちはテスト可能な予測をします。 a) 急速に変化する感覚コンテキストが場所のフィールドを乱す b) リカレント接続がブロックされた場合でも,プレースフィールドは形成されますが,リマッピング時に以前に学習した表現への回帰は廃止されます。 c) 時間的に滑らかな経験の次元は、抽象空間の仮想ナビゲーションを含む場所の次元を設定する。

関連論文リスト

• "What" x "When" working memory representations using Laplace Neural Manifolds [8.04565443575703]
  ワーキングメモリは、過去へと連続的に後退する最近のイベントを記憶することができる。 作業記憶をコードするCanRFRFニューロンは結膜刺激と混在している。 ラプラス多様体を構成する連続アトラクションNをスケッチする。
  論文  参考訳（メタデータ） (2024-09-30T16:47:45Z)
• Discretization of continuous input spaces in the hippocampal autoencoder [0.0]
  本研究は,海馬位置細胞と同様の空間的チューニングを,スパルスオートエンコーダニューロンにおける視覚事象の離散記憶の形成により実現可能であることを示す。 実験の結果を聴覚領域に拡張し、経験に依存した方法でニューロンが同様に周波数空間を刺激することを示した。 最後に,これらの疎密で高次元の表現を用いて,強化学習エージェントが様々な空間認知タスクを効果的に実行可能であることを示す。
  論文  参考訳（メタデータ） (2024-05-23T14:16:44Z)
• Spatially-Aware Transformer for Embodied Agents [20.498778205143477]
  本稿では,空間情報を含む空間認識変換器モデルの利用について検討する。 メモリ利用効率が向上し,様々な場所中心の下流タスクにおいて精度が向上することが実証された。 また,強化学習に基づくメモリ管理手法であるAdaptive Memory Allocatorを提案する。
  論文  参考訳（メタデータ） (2024-02-23T07:46:30Z)
• Nothing Stands Still: A Spatiotemporal Benchmark on 3D Point Cloud Registration Under Large Geometric and Temporal Change [86.44429778015657]
  人工空間の3次元幾何学地図の構築は、基本的なコンピュータビジョンとロボット工学である。 Not Stands Still (NSS)ベンチマークは、大きな空間的および時間的変化を行う3Dシーンの時間的登録に焦点を当てている。 NSSの一環として,建設中または改修中の大規模建築屋内環境において,3次元点雲のデータセットを連続的に取得する。
  論文  参考訳（メタデータ） (2023-11-15T20:09:29Z)
• DQnet: Cross-Model Detail Querying for Camouflaged Object Detection [54.82390534024954]
  カモフラージュされた物体検出のための畳み込みニューラルネットワーク(CNN)は、完全な対象範囲を無視しながら局所的な識別領域を活性化する傾向がある。 本稿では,CNNの内在的特性から部分的活性化が引き起こされることを論じる。 完全なオブジェクト範囲を活性化できる特徴マップを得るために,クロスモデル詳細クエリネットワーク(DQnet)と呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-16T06:23:58Z)
• Implicit Neural Spatial Representations for Time-dependent PDEs [29.404161110513616]
  Inlicit Neural Spatial Representation (INSR) は空間依存ベクトル場の効果的な表現として登場した。 本研究は,INSRを用いた時間依存型PDEの解法について検討する。
  論文  参考訳（メタデータ） (2022-09-30T22:46:40Z)
• Semi-signed neural fitting for surface reconstruction from unoriented point clouds [53.379712818791894]
  より優れた符号付き距離場を再構成するためのSN-Fittingを提案する。 SSNフィッティングは半署名の監督と損失に基づく領域サンプリング戦略で構成されている。 我々は,SSN-Fittingが,異なる設定下で最先端の性能を達成することを示す実験を行う。
  論文  参考訳（メタデータ） (2022-06-14T09:40:17Z)
• Reducing Catastrophic Forgetting in Self Organizing Maps with Internally-Induced Generative Replay [67.50637511633212]
  生涯学習エージェントは、パターン知覚データの無限のストリームから継続的に学習することができる。 適応するエージェントを構築する上での歴史的難しさの1つは、ニューラルネットワークが新しいサンプルから学ぶ際に、以前取得した知識を維持するのに苦労していることである。 この問題は破滅的な忘れ(干渉)と呼ばれ、今日の機械学習の領域では未解決の問題のままである。
  論文  参考訳（メタデータ） (2021-12-09T07:11:14Z)
• Organization of a Latent Space structure in VAE/GAN trained by navigation data [0.0]
  生成深部ニューラルネットワーク(VAE/GAN)を用いた新しい人工知能マッピングシステムを提案する。 予測画像の距離はトレーニング後の対応する潜伏ベクトルの距離に反映されることを示す。 本研究は,海馬のリプレイ・プレプレイに類似した時間的シーケンスを内部的に生成することを可能にする。
  論文  参考訳（メタデータ） (2021-02-03T03:13:26Z)
• Evidential Sparsification of Multimodal Latent Spaces in Conditional Variational Autoencoders [63.46738617561255]
  訓練された条件付き変分オートエンコーダの離散潜時空間をスパース化する問題を考察する。 顕在的理論を用いて、特定の入力条件から直接証拠を受け取る潜在クラスを特定し、そうでないクラスをフィルタリングする。 画像生成や人間の行動予測などの多様なタスクの実験により,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2020-10-19T01:27:21Z)
• CaSPR: Learning Canonical Spatiotemporal Point Cloud Representations [72.4716073597902]
  本研究では,動的あるいは動いた物体の標準点クラウド表現を学習する手法を提案する。 本稿では, 形状再構成, カメラポーズ推定, 連続時間列再構成, 対応推定など, 様々な応用における本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2020-08-06T17:58:48Z)

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。