論文の概要: Building functional and mechanistic models of cortical computation based on canonical cell type connectivity

• arxiv url: http://arxiv.org/abs/2504.03031v1
• Date: Thu, 03 Apr 2025 21:08:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-07 14:48:46.741188
• Title: Building functional and mechanistic models of cortical computation based on canonical cell type connectivity
• Title（参考訳）: 標準セル型接続に基づく皮質計算の関数的・機械的モデルの構築
• Authors: Arno Granier, Katharina A Wilmes, Mihai A Petrovici, Walter Senn,
• Abstract要約: 本稿では,皮質構造に関する現在の知識を考察し,計算モデルにおける2つの基本原理を抽出する。 第1の原則は、皮質細胞型が異なる計算的役割を果たすことである。 第2の原則は、皮質の接続性は、細胞タイプ間の接続性の標準的な青写真のみによって効率的に特徴づけられることである。
• 参考スコア（独自算出の注目度）: 1.2492669241902092
• License:
• Abstract: Neuronal circuits of the cerebral cortex are the structural basis of mammalian cognition. The same qualitative components and connectivity motifs are repeated across functionally specialized cortical areas and mammalian species, suggesting a single underlying algorithmic motif. Here, we propose a perspective on current knowledge of the cortical structure, from which we extract two core principles for computational modeling. The first principle is that cortical cell types fulfill distinct computational roles. The second principle is that cortical connectivity can be efficiently characterized by only a few canonical blueprints of connectivity between cell types. Starting with these two foundational principles, we outline a general framework for building functional and mechanistic models of cortical circuits.
• Abstract（参考訳）: 大脳皮質の神経回路は哺乳類の認知の構造的基盤である。 同じ定性的成分と接続モチーフは、機能的に特定された皮質領域と哺乳類種にまたがって繰り返され、単一の基礎となるアルゴリズムモチーフが示唆される。 本稿では,皮質構造に関する現在の知識を考察し,計算モデリングの2つの基本原理を抽出する。 第1の原則は、皮質細胞型が異なる計算的役割を果たすことである。 第2の原則は、皮質の接続性は、細胞タイプ間の接続性の標準的な青写真のみによって効率的に特徴づけられることである。 これら2つの基本原理から、大脳皮質回路の関数的および機械的モデルを構築するための一般的な枠組みを概説する。

関連論文リスト

• Connectivity structure and dynamics of nonlinear recurrent neural networks [46.62658917638706]
  我々は,ニューラルネットワークの高次元,内部的に発生する活動が接続構造をどのように形成するかを解析する理論を開発する。 我々の理論は、ニューラルネットワークアーキテクチャと人工および生物学的システムにおける集合力学を関連付けるためのツールを提供する。
  論文  参考訳（メタデータ） (2024-09-03T15:08:37Z)
• Brain functions emerge as thermal equilibrium states of the connectome [0.3453002745786199]
  神経科学における基本的なパラダイムは、認知機能は脳の構造的構造によって形成されることである。 構造コネクトームの関数状態が代数量子系の熱平衡状態として現れる枠組みを提案する。 線虫Em Caenorhabditis elegansのコネクトームにこの枠組みを適用した。
  論文  参考訳（メタデータ） (2024-08-26T12:35:16Z)
• 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)
• Revealing Cortical Layers In Histological Brain Images With Self-Supervised Graph Convolutional Networks Applied To Cell-Graphs [0.20971479389679332]
  大脳皮質の2次元Nissl染色組織スライスにおける層検出のための自己監督的アプローチを導入する。 自己教師付きグラフ畳み込みネットワークは、細胞環境の形態的および構造的特性をコードする細胞埋め込みを生成する。
  論文  参考訳（メタデータ） (2023-11-26T10:33:36Z)
• Structure Embedded Nucleus Classification for Histopathology Images [51.02953253067348]
  ほとんどのニューラルネットワークに基づく手法は、局所的な畳み込みの受容領域に影響を受けている。 本稿では,核輪郭を順にサンプリングした点列に変換する新しい多角構造特徴学習機構を提案する。 次に、核をノードとするグラフ構造に組織像を変換し、その表現に核の空間分布を埋め込むグラフニューラルネットワークを構築する。
  論文  参考訳（メタデータ） (2023-02-22T14:52:06Z)
• Mathematical Foundations for a Compositional Account of the Bayesian Brain [0.0]
  現代応用圏論のツールを用いて、近似推論のための関手意味論を提供する。 統計ゲームのフィブレーションを定義し、統計的推論の様々な問題を対応する部分として分類する。 我々は,自由エネルギー原理の下で,予測符号化ニューラルネットワークの構成構造を説明する関手を構築した。
  論文  参考訳（メタデータ） (2022-12-23T18:58:17Z)
• Brain Cortical Functional Gradients Predict Cortical Folding Patterns via Attention Mesh Convolution [51.333918985340425]
  我々は,脳の皮質ジャイロ-サルカル分割図を予測するための新しいアテンションメッシュ畳み込みモデルを開発した。 実験の結果,我々のモデルによる予測性能は,他の最先端モデルよりも優れていた。
  論文  参考訳（メタデータ） (2022-05-21T14:08:53Z)
• Emergence of Lie symmetries in functional architectures learned by CNNs [63.69764116066748]
  本研究では,自然画像の学習において,畳み込みニューラルネットワーク(CNN)の初期層における対称性の自発的発達について検討する。 私たちのアーキテクチャは、生体視覚システムの初期段階を模倣するために構築されています。
  論文  参考訳（メタデータ） (2021-04-17T13:23:26Z)
• Hyperbolic Neural Networks++ [66.16106727715061]
  ニューラルネットワークの基本成分を1つの双曲幾何モデル、すなわちポアンカーの球モデルで一般化する。 実験により, 従来の双曲成分と比較してパラメータ効率が優れ, ユークリッド成分よりも安定性と性能が優れていた。
  論文  参考訳（メタデータ） (2020-06-15T08:23:20Z)

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。