論文の概要: BAN: Neuroanatomical Aligning in Auditory Recognition between Artificial Neural Network and Human Cortex

• arxiv url: http://arxiv.org/abs/2502.15503v1
• Date: Fri, 21 Feb 2025 14:57:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-24 19:42:07.135706
• Title: BAN: Neuroanatomical Aligning in Auditory Recognition between Artificial Neural Network and Human Cortex
• Title（参考訳）: BAN: ニューラルネットワークとヒト皮質の聴覚認識における神経解剖学的アライメント
• Authors: Haidong Wang, Pengfei Xiao, Ao Liu, Jianhua Zhang, Qia Shan,
• Abstract要約: 脳のような聴覚ネットワーク(BAN)が導入され、神経解剖学的にマッピングされた4つの領域と繰り返し接続が組み込まれている。 BASは、BANと人間の聴覚認識経路の類似性を評価するベンチマークとして機能する。 以上の結果から,大脳皮質の神経解剖学的類似性とANNの聴覚分類能力は良好であることが示唆された。
• 参考スコア（独自算出の注目度）: 15.98131469205444
• License:
• Abstract: Drawing inspiration from neurosciences, artificial neural networks (ANNs) have evolved from shallow architectures to highly complex, deep structures, yielding exceptional performance in auditory recognition tasks. However, traditional ANNs often struggle to align with brain regions due to their excessive depth and lack of biologically realistic features, like recurrent connection. To address this, a brain-like auditory network (BAN) is introduced, which incorporates four neuroanatomically mapped areas and recurrent connection, guided by a novel metric called the brain-like auditory score (BAS). BAS serves as a benchmark for evaluating the similarity between BAN and human auditory recognition pathway. We further propose that specific areas in the cerebral cortex, mainly the middle and medial superior temporal (T2/T3) areas, correspond to the designed network structure, drawing parallels with the brain's auditory perception pathway. Our findings suggest that the neuroanatomical similarity in the cortex and auditory classification abilities of the ANN are well-aligned. In addition to delivering excellent performance on a music genre classification task, the BAN demonstrates a high BAS score. In conclusion, this study presents BAN as a recurrent, brain-inspired ANN, representing the first model that mirrors the cortical pathway of auditory recognition.
• Abstract（参考訳）: 神経科学からインスピレーションを得た人工ニューラルネットワーク(ANN)は、浅いアーキテクチャから非常に複雑で深い構造へと進化し、聴覚認識タスクにおいて例外的なパフォーマンスを生み出している。 しかし、従来のANNは、過度の深さと、繰り返し接続のような生物学的に現実的な特徴の欠如のために、脳の領域と整合するのに苦労することが多い。 これに対処するため、脳のような聴覚ネットワーク(BAN)が導入され、4つの神経解剖学的マッピングされた領域と、脳のような聴覚スコア(BAS)と呼ばれる新しい指標によって導かれる繰り返し接続が組み込まれている。 BASは、BANと人間の聴覚認識経路の類似性を評価するベンチマークとして機能する。 さらに,大脳皮質,特に中・中側側頭葉上側頭葉(T2/T3)領域の特定領域は,脳の聴覚知覚経路と平行して設計されたネットワーク構造に対応することが示唆された。 以上の結果から,大脳皮質の神経解剖学的類似性とANNの聴覚分類能力は良好であることが示唆された。 音楽ジャンル分類タスクにおいて優れたパフォーマンスを提供するのに加えて、BANは高いBASスコアを示す。 以上の結果から,BANは聴覚認知の皮質経路を反映する最初のモデルである脳誘発ANNであることが示された。

関連論文リスト

• Discovering Chunks in Neural Embeddings for Interpretability [53.80157905839065]
  本稿では, チャンキングの原理を応用して, 人工神経集団活動の解釈を提案する。 まず、この概念を正則性を持つ人工シーケンスを訓練したリカレントニューラルネットワーク(RNN)で実証する。 我々は、これらの状態に対する摂動が関連する概念を活性化または阻害すると共に、入力における概念に対応する同様の繰り返し埋め込み状態を特定する。
  論文  参考訳（メタデータ） (2025-02-03T20:30:46Z)
• BrainMAP: Learning Multiple Activation Pathways in Brain Networks [77.15180533984947]
  本稿では,脳ネットワークにおける複数の活性化経路を学習するための新しいフレームワークであるBrainMAPを紹介する。 本フレームワークは,タスクに関わる重要な脳領域の説明的分析を可能にする。
  論文  参考訳（メタデータ） (2024-12-23T09:13:35Z)
• Predicting Artificial Neural Network Representations to Learn Recognition Model for Music Identification from Brain Recordings [1.7021860383953338]
  近年の研究では、人工ニューラルネットワーク(ANN)の表現が皮質表現と顕著に類似していることが示されている。 本研究では、外部聴覚刺激に応答して脳記録の認識モデルを開発するための新しいアプローチを提案する。 脳-コンピュータインターフェース(BCI)の進歩、ニューラルデコード技術、音楽認知の理解を約束します。
  論文  参考訳（メタデータ） (2024-12-20T04:37:26Z)
• Brain-like Functional Organization within Large Language Models [58.93629121400745]
  人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた 最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。 本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。 このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
  論文  参考訳（メタデータ） (2024-10-25T13:15:17Z)
• 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)
• 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)
• Spiking-LEAF: A Learnable Auditory front-end for Spiking Neural Networks [53.31894108974566]
  Spiking-LEAFは、SNNベースの音声処理用に慎重に設計された学習可能な聴覚フロントエンドである。 キーワードスポッティングと話者識別タスクにおいて、提案したSpking-LEAFは、聴覚フロントエンドのSOTAよりも優れている。
  論文  参考訳（メタデータ） (2023-09-18T04:03:05Z)
• An Audio-Visual Speech Separation Model Inspired by Cortico-Thalamo-Cortical Circuits [22.558134249701794]
  音声・視覚音声分離のための新しい皮質・視床・皮質神経回路(CTCNet)を提案する。 CTCNetは階層的な聴覚と視覚の表現をボトムアップで学習する。 3つの音声分離ベンチマークデータセットの実験では、CTCNetはパラメータがかなり少ない既存のAVSSメソッドよりも著しく優れていた。
  論文  参考訳（メタデータ） (2022-12-21T03:28:30Z)
• Coupling Visual Semantics of Artificial Neural Networks and Human Brain Function via Synchronized Activations [13.956089436100106]
  本稿では,ANNとBNNの視覚的表現空間と意味を結合する新しい計算フレームワーク,Sync-ACTを提案する。 このアプローチにより、人間の脳画像から生物学的に意味のある記述を導き、ANNのニューロンに意味論的に注釈を付けることができる。
  論文  参考訳（メタデータ） (2022-06-22T03:32:17Z)
• Investigating Brain Connectivity with Graph Neural Networks and GNNExplainer [0.0]
  我々は,ディープラーニングによる音声聴取作業において,機能的接続性の詳細な検討を行った。 本稿では,脳波データをグラフ領域の信号として表現するグラフニューラルネットワークに基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-04T07:47:13Z)
• Deep Auto-encoder with Neural Response [8.797970797884023]
  ニューラルレスポンス(DAE-NR)を用いたディープオートエンコーダと呼ばれるハイブリッドモデルを提案する。 DAE-NRは、視覚野からの情報をANNに組み込んで、より優れた画像再構成と、生物学的および人工ニューロン間の高い神経表現類似性を実現する。 DAE-NRは, 共同学習によって(画像再構成の性能の向上) 生体ニューロンと人工ニューロンとの表現的類似性の向上が可能であることを実証した。
  論文  参考訳（メタデータ） (2021-11-30T11:44:17Z)

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。