論文の概要: An Overlooked Role of Context-Sensitive Dendrites

• arxiv url: http://arxiv.org/abs/2408.11019v1
• Date: Tue, 20 Aug 2024 17:18:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-21 12:45:00.605668
• Title: An Overlooked Role of Context-Sensitive Dendrites
• Title（参考訳）: コンテキスト感性デンドライトの役割
• Authors: Mohsin Raza, Ahsan Adeel,
• Abstract要約: コンテクスト感受性 (CS-TPN) は, CモーメントとFFソマティック電流を柔軟に統合できることが示唆された。 これにより、よりコヒーレントな信号(バースト)の伝播が可能になり、より少ないニューロンで学習を速くする。
• 参考スコア（独自算出の注目度）: 2.225268436173329
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: To date, most dendritic studies have predominantly focused on the apical zone of pyramidal two-point neurons (TPNs) receiving only feedback (FB) connections from higher perceptual layers and using them for learning. Recent cellular neurophysiology and computational neuroscience studies suggests that the apical input (context), coming from feedback and lateral connections, is multifaceted and far more diverse, with greater implications for ongoing learning and processing in the brain than previously realized. In addition to the FB, the apical tuft receives signals from neighboring cells of the same network as proximal (P) context, other parts of the brain as distal (D) context, and overall coherent information across the network as universal (U) context. The integrated context (C) amplifies and suppresses the transmission of coherent and conflicting feedforward (FF) signals, respectively. Specifically, we show that complex context-sensitive (CS)-TPNs flexibly integrate C moment-by-moment with the FF somatic current at the soma such that the somatic current is amplified when both feedforward (FF) and C are coherent; otherwise, it is attenuated. This generates the event only when the FF and C currents are coherent, which is then translated into a singlet or a burst based on the FB information. Spiking simulation results show that this flexible integration of somatic and contextual currents enables the propagation of more coherent signals (bursts), making learning faster with fewer neurons. Similar behavior is observed when this functioning is used in conventional artificial networks, where orders of magnitude fewer neurons are required to process vast amounts of heterogeneous real-world audio-visual (AV) data trained using backpropagation (BP). The computational findings presented here demonstrate the universality of CS-TPNs, suggesting a dendritic narrative that was previously overlooked.
• Abstract（参考訳）: これまで、ほとんどの樹状細胞研究は、高い知覚層からのフィードバック(FB)のみを受信し、学習に使用するピラミッド状2点ニューロン(TPN)の先端領域に主に焦点を当ててきた。 近年の細胞神経生理学と計算神経科学の研究は、フィードバックと横方向の接続から得られる触覚入力(コンテキスト)が多面的であり、より多様であり、脳の継続的な学習と処理に以前実現されたよりも大きな意味があることを示唆している。 FBに加えて、尖端タフトは、近位(P)コンテキストと同じネットワークの隣の細胞からの信号、遠位(D)コンテキストとしての脳の他の部分、ネットワーク全体のコヒーレント情報を普遍的(U)コンテキストとして受信する。 統合コンテキスト(C)は、それぞれコヒーレントなフィードフォワード(FF)信号の送信を増幅し、抑制する。 具体的には、複雑な文脈依存性(CS)-TPNは、CモーメントをソマのFFソマティック電流と柔軟に統合し、フィードフォワード(FF)とCの両方がコヒーレントであるときにソマティック電流を増幅することを示し、そうでなければ減衰する。 これにより、FF電流とC電流がコヒーレントである場合にのみイベントが生成され、FB情報に基づいて一重項またはバーストに変換される。 スパイキングシミュレーションの結果、このフレキシブルなソマティック電流とコンテキスト電流の統合により、よりコヒーレントな信号(バースト)の伝播が可能になり、より少ないニューロンで学習がより速くなることが示されている。 従来の人工ネットワークでは、バックプロパゲーション(BP)を用いてトレーニングされた大量の異種実世界のオーディオ視覚(AV)データを処理するために、ニューロンのオーダーを桁違いに少なくする必要がある。 ここでの計算結果はCS-TPNの普遍性を示し、以前は見過ごされていた樹状物語を示唆している。

関連論文リスト

• Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
  しきい値単位の動的代替として人工内蔵ニューロン(AKOrN)を導入する。 このアイデアは、幅広いタスクにまたがってパフォーマンス改善をもたらすことを示しています。 これらの経験的結果は、神経表現の最も基本的なレベルにおいて、私たちの仮定の重要性を示していると信じている。
  論文  参考訳（メタデータ） (2024-10-17T17:47:54Z)
• A frugal Spiking Neural Network for unsupervised classification of continuous multivariate temporal data [0.0]
  スパイキングニューラルネットワーク(SNN)は神経型であり、進化する膜電位を持つより生物学的に可塑性なニューロンを使用する。 本稿では,連続データにおける多変量時間パターンの完全教師なし識別と分類のために設計されたFragal Single-layer SNNを紹介する。
  論文  参考訳（メタデータ） (2024-08-08T08:15:51Z)
• 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)
• Learning in Convolutional Neural Networks Accelerated by Transfer Entropy [0.0]
  フィードフォワードネットワークでは、トランスファーエントロピー(TE)を使用して、異なる層に位置するニューロン出力ペア間の関係を定量化することができる。 TEフィードバック接続を統合したCNNアーキテクチャのための新しいトレーニング機構を提案する。
  論文  参考訳（メタデータ） (2024-04-03T13:31:49Z)
• Biologically-Plausible Topology Improved Spiking Actor Network for Efficient Deep Reinforcement Learning [15.143466733327566]
  近年の神経科学の進歩により、ヒトの脳は報酬に基づく効果的な学習を達成していることが明らかになった。 Deep Reinforcement Learning (DRL)の成功は主に、関数近似器としてArtificial Neural Networks (ANN)を活用することによる。 そこで我々は,機能近似の新たな代替手法として,生物学的に証明可能なトポロジー改良スパイキング・アクター・ネットワーク(BPT-SAN)を提案する。
  論文  参考訳（メタデータ） (2024-03-29T13:25:19Z)
• Cross-Frequency Coupling Increases Memory Capacity in Oscillatory Neural Networks [69.42260428921436]
  クロス周波数カップリング(CFC)は、ニューロンの集団間での情報統合と関連している。 我々は,海馬および大脳皮質における観測された$theta - gamma$振動回路の計算的役割を予測するCFCのモデルを構築した。 CFCの存在は, 可塑性シナプスによって結合された神経細胞のメモリ容量を増加させることを示す。
  論文  参考訳（メタデータ） (2022-04-05T17:13:36Z)
• 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)
• Learning shared neural manifolds from multi-subject FMRI data [13.093635609349874]
  MRMD-AEmaniと呼ばれる,複数の被験者から共通の埋め込みを実験で学習するニューラルネットワークを提案する。 学習した共通空間は、テンポラル多様体(トレーニング中に見えない新しい点をマッピングできる)を表し、目に見えない時間点の刺激特徴の分類を改善する。 このフレームワークは、将来的には脳-コンピュータインタフェース(BCI)トレーニングなど、多くのダウンストリームアプリケーションに応用できると考えています。
  論文  参考訳（メタデータ） (2021-12-22T23:08:39Z)
• Adaptive Rational Activations to Boost Deep Reinforcement Learning [68.10769262901003]
  我々は、合理的が適応可能なアクティベーション機能に適合する理由と、ニューラルネットワークへの含意が重要である理由を動機付けている。 人気アルゴリズムに(繰り返しの)アクティベーションを組み込むことで,アタリゲームにおいて一貫した改善がもたらされることを実証する。
  論文  参考訳（メタデータ） (2021-02-18T14:53:12Z)
• 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)

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。