論文の概要: Firing Rate Models as Associative Memory: Excitatory-Inhibitory Balance for Robust Retrieval
- arxiv url: http://arxiv.org/abs/2411.07388v1
- Date: Mon, 11 Nov 2024 21:40:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-13 13:20:05.547874
- Title: Firing Rate Models as Associative Memory: Excitatory-Inhibitory Balance for Robust Retrieval
- Title(参考訳): 連想記憶としてのフィリングレートモデル:ロバスト検索のための興奮抑制バランス
- Authors: Simone Betteti, Giacomo Baggio, Francesco Bullo, Sandro Zampieri,
- Abstract要約: フィリングレートモデル(Firing rate model)は、神経細胞の局所的な皮質力学を記述するために応用および理論神経科学に広く用いられている力学系である。
本稿では, 再スケールメモリパターンの出現を, 発火速度力学における安定平衡として保証する一般的な枠組みを提案する。
本研究では, 記憶が局所的に, グローバルに安定な条件を解析し, 連想記憶検索のための生物学的に証明可能な, 堅牢なシステムの構築に関する知見を提供する。
- 参考スコア(独自算出の注目度): 3.961279440272764
- License:
- Abstract: Firing rate models are dynamical systems widely used in applied and theoretical neuroscience to describe local cortical dynamics in neuronal populations. By providing a macroscopic perspective of neuronal activity, these models are essential for investigating oscillatory phenomena, chaotic behavior, and associative memory processes. Despite their widespread use, the application of firing rate models to associative memory networks has received limited mathematical exploration, and most existing studies are focused on specific models. Conversely, well-established associative memory designs, such as Hopfield networks, lack key biologically-relevant features intrinsic to firing rate models, including positivity and interpretable synaptic matrices that reflect excitatory and inhibitory interactions. To address this gap, we propose a general framework that ensures the emergence of re-scaled memory patterns as stable equilibria in the firing rate dynamics. Furthermore, we analyze the conditions under which the memories are locally and globally asymptotically stable, providing insights into constructing biologically-plausible and robust systems for associative memory retrieval.
- Abstract(参考訳): フィリングレートモデル(Firing rate model)は、神経細胞の局所的な皮質力学を記述するために応用および理論神経科学に広く用いられている力学系である。
神経活動のマクロな視点を提供することにより、これらのモデルは振動現象、カオス的行動、連想的記憶過程の研究に不可欠である。
広く使われているにもかかわらず、アソシエーションメモリネットワークへの発射速度モデルの適用は数学的な探索に限られており、既存の研究のほとんどは特定のモデルに焦点を当てている。
逆に、ホップフィールドネットワークのようなよく確立された連想記憶設計は、興奮的相互作用と阻害的相互作用を反映する正の正や解釈可能なシナプス行列を含む、発火速度モデルに固有の重要な生物学的関連特徴を欠いている。
このギャップに対処するため、我々は再スケールメモリパターンの出現を、発火速度のダイナミクスにおける安定した平衡として保証する一般的なフレームワークを提案する。
さらに, 記憶が局所的に, グローバルに漸近的に安定している状況を分析し, 連想記憶検索のための生物学的に証明可能な, 堅牢なシステム構築に関する知見を提供する。
関連論文リスト
- Temporal Model On Quantum Logic [0.0]
このフレームワークは、線形および分岐時間モデルを用いて、時間とともに命題の進化を定式化する。
メモリの階層構造は、有向非巡回グラフを用いて表される。
論文 参考訳(メタデータ) (2025-02-09T17:16:53Z) - Generative Modeling of Neural Dynamics via Latent Stochastic Differential Equations [1.5467259918426441]
本稿では,生体神経系の計算モデル構築のためのフレームワークを提案する。
我々は、微分ドリフトと拡散関数を持つ結合微分方程式系を用いる。
これらのハイブリッドモデルは,刺激によって誘発される神経および行動応答の予測において,競争力を発揮することを示す。
論文 参考訳(メタデータ) (2024-12-01T09:36:03Z) - 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) - Explosive neural networks via higher-order interactions in curved statistical manifolds [43.496401697112695]
曲線ニューラルネットワークは,パラメータ数に制限のあるプロトタイプモデルのクラスとして導入する。
これらの曲線ニューラルネットワークは、メモリ検索を高速化する自己制御プロセスを実装している。
強磁性相とスピングラス相の境界付近のレプリカ手法を用いて, メモリ・検索能力の解析を行った。
論文 参考訳(メタデータ) (2024-08-05T09:10:29Z) - Interpretable Spatio-Temporal Embedding for Brain Structural-Effective Network with Ordinary Differential Equation [56.34634121544929]
本研究では,まず動的因果モデルを用いて脳効果ネットワークを構築する。
次に、STE-ODE(Spatio-Temporal Embedding ODE)と呼ばれる解釈可能なグラフ学習フレームワークを導入する。
このフレームワークは、構造的および効果的なネットワーク間の動的相互作用を捉えることを目的とした、特異的に設計されたノード埋め込み層を含んでいる。
論文 参考訳(メタデータ) (2024-05-21T20:37:07Z) - 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) - Semantically-correlated memories in a dense associative model [2.7195102129095003]
私はCorrelated Associative Memory(CDAM)という新しい連想記憶モデルを紹介します。
CDAMは、自動連想とヘテロ連想の両方を、連続的に評価されたメモリパターンのための統一されたフレームワークに統合する。
理論的、数値的に解析され、4つの異なる力学モードが明らかにされている。
論文 参考訳(メタデータ) (2024-04-10T16:04:07Z) - The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。
ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。
本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
論文 参考訳(メタデータ) (2023-06-14T13:34:13Z) - 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) - 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) - Slow manifolds in recurrent networks encode working memory efficiently
and robustly [0.0]
ワーキングメモリ(working memory)は、潜在情報の保存と操作を短時間で行う認知機能である。
作業メモリのネットワークレベルメカニズムを調べるために,トップダウンモデリング手法を用いる。
論文 参考訳(メタデータ) (2021-01-08T18:47:02Z)
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。