論文の概要: From Worms to Mice: Homeostasis Maybe All You Need

• arxiv url: http://arxiv.org/abs/2412.20090v1
• Date: Sat, 28 Dec 2024 09:17:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-31 16:07:54.698369
• Title: From Worms to Mice: Homeostasis Maybe All You Need
• Title（参考訳）: ワームからマウスまで:ホメオスタシスは必要なものすべて
• Authors: Jesus Marco de Lucas,
• Abstract要約: 本稿では, 生物の神経回路における可塑性の関連様式の基礎となる, 単純な神経XORモチーフを提案する。 このXORモチーフは、受信信号と参照信号との相違を単に信号する。 複雑化を伴う各種生物のコネクトームにおけるXORモチーフの出現状況について検討した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: In this brief and speculative commentary, we explore ideas inspired by neural networks in machine learning, proposing that a simple neural XOR motif, involving both excitatory and inhibitory connections, may provide the basis for a relevant mode of plasticity in neural circuits of living organisms, with homeostasis as the sole guiding principle. This XOR motif simply signals the discrepancy between incoming signals and reference signals, thereby providing a basis for a loss function in learning neural circuits, and at the same time regulating homeostasis by halting the propagation of these incoming signals. The core motif uses a 4:1 ratio of excitatory to inhibitory neurons, and supports broader neural patterns such as the well-known 'winner takes all' (WTA) mechanism. We examined the prevalence of the XOR motif in the published connectomes of various organisms with increasing complexity, and found that it ranges from tens (in C. elegans) to millions (in several Drosophila neuropils) and more than tens of millions (in mouse V1 visual cortex). If validated, our hypothesis identifies two of the three key components in analogy to machine learning models: the architecture and the loss function. And we propose that a relevant type of biological neural plasticity is simply driven by a basic control or regulatory system, which has persisted and adapted despite the increasing complexity of organisms throughout evolution.
• Abstract（参考訳）: この簡潔で投機的な注釈では、我々は機械学習においてニューラルネットワークにインスパイアされたアイデアを探求し、単純なニューラルXORモチーフは、興奮的および抑制的接続の両方を含むものであり、生体のニューラルサーキットにおける可塑性の関連するモードの基盤となり、ホメオスタシスが唯一の指針となることを示唆している。 このXORモチーフは、単に受信信号と基準信号との相違を信号し、学習ニューラルネットワークにおける損失関数の基礎を提供すると同時に、これらの受信信号の伝播を停止させることでホメオスタシスを調節する。 コアモチーフは4:1の興奮と抑制性ニューロンの比率を使用し、よく知られた「勝者がすべて(WTA)」機構のようなより広い神経パターンをサポートする。 複雑性が増す様々な生物のコネクトームにおけるXORモチーフの有病率を調べたところ、それは数十個(C. elegans)から数百万個(ショウジョウバエの神経核数個)、数千万個(マウスV1視覚野数個)以上(マウスV1視覚野数個)に及ぶことが判明した。 検証された場合、我々の仮説は、機械学習モデル(アーキテクチャと損失関数)に類似する3つの重要な要素のうちの2つを特定する。 また, 生物学的な神経可塑性は, 進化を通じて生物の複雑さが増大しているにもかかわらず, 維持・適応してきた基本制御系や規制系によってのみ引き起こされることが示唆された。

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)
• Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
  スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。 本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
  論文  参考訳（メタデータ） (2024-09-17T04:48:45Z)
• Implementing engrams from a machine learning perspective: XOR as a basic motif [0.0]
  我々は,XORスイッチを実装した基本モチーフに基づいて,最初のアイデアを提示する。 我々は、このXORモチーフを組み込んだ学習能力を備えた、基本的な生物学的神経構造の構築方法について検討する。
  論文  参考訳（メタデータ） (2024-06-14T11:36:49Z)
• Contribute to balance, wire in accordance: Emergence of backpropagation from a simple, bio-plausible neuroplasticity rule [0.0]
  我々は,脳にBPを実装するための潜在的なメカニズムを提供する新しい神経可塑性規則を導入する。 我々は,我々の学習規則が階層型ニューラルネットワークのBPを近似なしで正確に再現できることを数学的に証明した。
  論文  参考訳（メタデータ） (2024-05-23T03:28:52Z)
• Brain-Inspired Machine Intelligence: A Survey of Neurobiologically-Plausible Credit Assignment [65.268245109828]
  本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。 我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。 本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
  論文  参考訳（メタデータ） (2023-12-01T05:20:57Z)
• Learning with Chemical versus Electrical Synapses -- Does it Make a Difference? [61.85704286298537]
  バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。 我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
  論文  参考訳（メタデータ） (2023-11-21T13:07:20Z)
• Two-compartment neuronal spiking model expressing brain-state specific apical-amplification, -isolation and -drive regimes [0.7255608805275865]
  脳状態特異的神経機構は、過去と文脈の知識を現在の、入ってくる証拠の流れと統合する上で重要な役割を担っている。 この研究の目的は、脳の状態に応じた学習を支援するのに不可欠な特徴を組み込んだ2成分のスパイクニューロンモデルを提供することである。
  論文  参考訳（メタデータ） (2023-11-10T14:16:46Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Evolving spiking neuron cellular automata and networks to emulate in vitro neuronal activity [0.0]
  我々は生体内における生体ニューロンの行動パターンをエミュレートするスパイキング神経系を生産する。 我々のモデルは、ネットワーク全体の同期レベルを生成できた。 トップパフォーマンスモデルのゲノムは、生成した活動の複雑さを決定する上で、モデル内の接続の興奮性と密度が重要な役割を果たすことを示している。
  論文  参考訳（メタデータ） (2021-10-15T17:55:04Z)
• 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。