論文の概要: Flexible Prefrontal Control over Hippocampal Episodic Memory for Goal-Directed Generalization

• arxiv url: http://arxiv.org/abs/2503.02303v1
• Date: Tue, 04 Mar 2025 06:04:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:27:06.190415
• Title: Flexible Prefrontal Control over Hippocampal Episodic Memory for Goal-Directed Generalization
• Title（参考訳）: ゴール指向一般化のための海馬てんかん記憶のフレキシブル前頭前野制御
• Authors: Yicong Zheng, Nora Wolf, Charan Ranganath, Randall C. O'Reilly, Kevin L. McKee,
• Abstract要約: 人間は数日から何年も前にエピソード記憶を復元し、新しいが構造的に関係のある状況にまたがって行動のコンテキスト化と一般化を行う。 前頭前皮質(PFC)と海馬(HPC)の相互作用による脳の課題要求に基づくてんかん記憶の制御能力 ゴール指向一般化のためのPFC-HPC相互作用機構を組み込んだ強化学習モデルを提案する。
• 参考スコア（独自算出の注目度）: 1.385411134620987
• License:
• Abstract: Many tasks require flexibly modifying perception and behavior based on current goals. Humans can retrieve episodic memories from days to years ago, using them to contextualize and generalize behaviors across novel but structurally related situations. The brain's ability to control episodic memories based on task demands is often attributed to interactions between the prefrontal cortex (PFC) and hippocampus (HPC). We propose a reinforcement learning model that incorporates a PFC-HPC interaction mechanism for goal-directed generalization. In our model, the PFC learns to generate query-key representations to encode and retrieve goal-relevant episodic memories, modulating HPC memories top-down based on current task demands. Moreover, the PFC adapts its encoding and retrieval strategies dynamically when faced with multiple goals presented in a blocked, rather than interleaved, manner. Our results show that: (1) combining working memory with selectively retrieved episodic memory allows transfer of decisions among similar environments or situations, (2) top-down control from PFC over HPC improves learning of arbitrary structural associations between events for generalization to novel environments compared to a bottom-up sensory-driven approach, and (3) the PFC encodes generalizable representations during both encoding and retrieval of goal-relevant memories, whereas the HPC exhibits event-specific representations. Together, these findings highlight the importance of goal-directed prefrontal control over hippocampal episodic memory for decision-making in novel situations and suggest a computational mechanism by which PFC-HPC interactions enable flexible behavior.
• Abstract（参考訳）: 多くのタスクは、現在の目標に基づいて、柔軟に知覚と行動を変更する必要がある。 人間は数日から何年も前にエピソード記憶を復元し、新しいが構造的に関係のある状況にまたがって行動のコンテキスト化と一般化を行う。 タスク要求に基づくてんかん記憶を制御する脳の能力は、前頭前皮質(PFC)と海馬(HPC)の相互作用に起因することが多い。 ゴール指向一般化のためのPFC-HPC相互作用機構を組み込んだ強化学習モデルを提案する。 我々のモデルでは、PFCは、現在のタスク要求に基づいてHPCメモリをトップダウンに調整し、ゴール関連エピソード記憶をエンコードし、検索するためにクエリキー表現を生成することを学ぶ。 さらに、PFCは、インターリーブされた方法でではなく、ブロックされた複数の目標に直面すると、エンコーディングと検索の戦略を動的に適用する。 その結果,(1)作業記憶と選択的に検索されたエピソード記憶を組み合わせることで,類似した環境や状況間での意思決定の伝達が可能であり,(2)PFC over HPCによるトップダウン制御は,ボトムアップの知覚駆動型アプローチと比較して,新しい環境への一般化のためのイベント間の任意の構造的関連性の学習を改善し,(3)PFCは,ゴール関連記憶のエンコーディングと検索の両方において一般化可能な表現を符号化する一方,HPCはイベント固有の表現を示す。 これらの知見は、新しい状況下での意思決定において、海馬のエピソード記憶に対するゴール指向の前頭前野制御の重要性を強調し、PFC-HPC相互作用が柔軟な行動を可能にする計算機構を提案する。

関連論文リスト

• GATE: Adaptive Learning with Working Memory by Information Gating in Multi-lamellar Hippocampal Formation [16.427651727482587]
  海馬形成(HF)は、様々な環境に迅速に適応し、柔軟なワーキングメモリ(WM)を構築することができる 一般化とWMに関するHFのメカニズムを反映するために,一般化・連想一時(GATE)モデルを提案する。 GATEは、DVアーキテクチャを3Dでデプロイし、外部駆動情報から内部表現を階層的に構築することを学ぶ。
  論文  参考訳（メタデータ） (2025-01-22T03:41:35Z)
• SHERL: Synthesizing High Accuracy and Efficient Memory for Resource-Limited Transfer Learning [63.93193829913252]
  本稿では,リソース制限シナリオに対するSHERLと呼ばれる革新的なMETL戦略を提案する。 初期経路では、中間出力は反冗長動作によって統合される。 遅延ルートでは、最小限の遅延事前トレーニングされたレイヤを利用することで、メモリオーバーヘッドのピーク需要を軽減できる。
  論文  参考訳（メタデータ） (2024-07-10T10:22:35Z)
• HCVP: Leveraging Hierarchical Contrastive Visual Prompt for Domain Generalization [69.33162366130887]
  ドメイン一般化(DG)は、不変の機能を学ぶことによって、目に見えないシナリオに優れた機械学習モデルを作成するための取り組みである。 モデルにドメインレベルとタスク固有の特性を補足する新しい手法を提案する。 このアプローチは、特定の特徴から不変な特徴をより効果的に分離し、一般化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） (2024-01-18T04:23:21Z)
• Memory, Space, and Planning: Multiscale Predictive Representations [5.572701755354684]
  生物学的および人工エージェントの柔軟な行動は、過去からの学習の相互作用と、常に変化する環境における未来を予測することに依存する。 この章は、これらのプロセスが認知地図として知られる経験の構造を学ぶことに依存することを示す計算的、行動的、神経的な証拠をレビューする。
  論文  参考訳（メタデータ） (2024-01-16T21:46:43Z)
• Leveraging Low-Rank and Sparse Recurrent Connectivity for Robust Closed-Loop Control [63.310780486820796]
  繰り返し接続のパラメータ化が閉ループ設定のロバスト性にどのように影響するかを示す。 パラメータが少ないクローズドフォーム連続時間ニューラルネットワーク(CfCs)は、フルランクで完全に接続されたニューラルネットワークよりも優れています。
  論文  参考訳（メタデータ） (2023-10-05T21:44:18Z)
• A Framework for Inference Inspired by Human Memory Mechanisms [9.408704431898279]
  本稿では,知覚,記憶,推論の構成要素からなるPMIフレームワークを提案する。 メモリモジュールは、ワーキングメモリと長期メモリから構成され、後者は、広範囲で複雑なリレーショナル知識と経験を維持するために、高次構造を備えている。 我々は、bAbI-20kやSolt-of-CLEVRデータセットのような質問応答タスクにおいて、一般的なTransformerとCNNモデルを改善するためにPMIを適用します。
  論文  参考訳（メタデータ） (2023-10-01T08:12:55Z)
• Analysis of the Memorization and Generalization Capabilities of AI Agents: Are Continual Learners Robust? [91.682459306359]
  連続学習(CL)では、AIエージェントが動的環境下で非定常データストリームから学習する。 本稿では,過去の知識を維持しつつ,動的環境への堅牢な一般化を実現するための新しいCLフレームワークを提案する。 提案フレームワークの一般化と記憶性能を理論的に解析した。
  論文  参考訳（メタデータ） (2023-09-18T21:00:01Z)
• Recurrent Action Transformer with Memory [39.58317527488534]
  本稿では,情報保持を規制するリカレントメモリ機構を組み込んだ新しいモデルアーキテクチャを提案する。 メモリ集約環境(ViZDoom-Two-Colors, T-Maze, Memory Maze, Minigrid-Memory)、古典的アタリゲーム、MuJoCo制御環境について実験を行った。 その結果、メモリの使用は、古典的な環境における結果の維持や改善をしながら、メモリ集約環境におけるパフォーマンスを著しく向上させることができることがわかった。
  論文  参考訳（メタデータ） (2023-06-15T19:29:08Z)
• Generalized Reinforcement Learning: Experience Particles, Action Operator, Reinforcement Field, Memory Association, and Decision Concepts [2.398608007786179]
  本稿では,ベイズ風の一般強化学習フレームワークを提案する。 まず,不確実性や流動挙動に対処するためのパラメトリック・アクション・モデルを構築した。 次に,学習者の作業記憶に保持される「偏極化経験粒子」によって確立された物理に着想を得た構成体として,強化場の概念を導入する。
  論文  参考訳（メタデータ） (2022-08-09T15:05:15Z)
• 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)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。