論文の概要: Cognition without neurons: modelling anticipation in a basal reservoir computer

• arxiv url: http://arxiv.org/abs/2505.02114v1
• Date: Sun, 04 May 2025 13:53:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.431721
• Title: Cognition without neurons: modelling anticipation in a basal reservoir computer
• Title（参考訳）: ニューロンのない認知:基礎貯水池コンピュータにおける予測のモデル化
• Authors: Polyphony Bruna, Linnéa Gyllingberg,
• Abstract要約: 我々は、ニューロン、スパイク、または訓練された読み出しのない単純な時間的予測を示す、最小限の生物学的にインスパイアされた貯水池モデルを示す。 以上の結果から, 基礎生物の記憶と予知の経路を示唆し, 教師なしの予測を支援することが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: How do non-neural organisms, such as the slime mould \textit{Physarum polycephalum}, anticipate periodic events in their environment? We present a minimal, biologically inspired reservoir model that demonstrates simple temporal anticipation without neurons, spikes, or trained readouts. The model consists of a spatially embedded hexagonal network in which nodes regulate their energy through local, allostatic adaptation. Input perturbations shape energy dynamics over time, allowing the system to internalize temporal regularities into its structure. After being exposed to a periodic input signal, the model spontaneously re-enacts those dynamics even in the absence of further input -- a form of unsupervised temporal pattern completion. This behaviour emerges from internal homeodynamic regulation, without supervised learning or symbolic processing. Our results show that simple homeodynamic regulation can support unsupervised prediction, suggesting a pathway to memory and anticipation in basal organisms.
• Abstract（参考訳）: Slime mould \textit{Physarum polycephalum}のような非神経生物は、どのようにして環境における周期的な事象を予測しているのか? 我々は、ニューロン、スパイク、または訓練された読み出しのない単純な時間的予測を示す、最小限の生物学的にインスパイアされた貯水池モデルを示す。 このモデルは空間的に埋め込まれた六角形ネットワークで構成され、ノードは局所的なアロスタティック適応を通じてエネルギーを調節する。 入力摂動は時間とともにエネルギー力学を形作るため、システムは時間的規則性をその構造に内部化することができる。 周期的な入力信号に晒された後、モデルが自発的にこれらのダイナミクスを再現する。 この振る舞いは、教師付き学習やシンボリック処理なしで、内部のホメオダイナミックな制御から生じる。 以上の結果から, 基礎生物の記憶と予知の経路を示唆し, 教師なしの予測を支援することが示唆された。

関連論文リスト

• Enhancing Revivals Via Projective Measurements in a Quantum Scarred System [51.3422222472898]
  量子多体散乱系は非定型的動的挙動を示し、熱化を回避し、周期的状態回復を特徴とする。 パラメタティックPXPモデルのスカー部分空間の力学に及ぼす射影測定の影響について検討する。 我々は、この現象の根底にある重要なメカニズムとして、量子スカーの自然な劣化に対抗して、測定誘起位相再同期を同定する。
  論文  参考訳（メタデータ） (2025-03-28T17:03:14Z)
• Meta-Representational Predictive Coding: Biomimetic Self-Supervised Learning [51.22185316175418]
  メタ表現予測符号化(MPC)と呼ばれる新しい予測符号化方式を提案する。 MPCは、並列ストリームにまたがる感覚入力の表現を予測することを学ぶことによって、感覚入力の生成モデルを学ぶ必要性を助長する。
  論文  参考訳（メタデータ） (2025-03-22T22:13:14Z)
• Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
  本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。 本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
  論文  参考訳（メタデータ） (2025-03-20T12:28:08Z)
• Confidence Regulation Neurons in Language Models [91.90337752432075]
  本研究では,大規模言語モデルが次世代の予測において不確実性を表現・規制するメカニズムについて検討する。 エントロピーニューロンは異常に高い重量ノルムを特徴とし、最終層正規化(LayerNorm)スケールに影響を与え、ロジットを効果的にスケールダウンさせる。 ここで初めて説明するトークン周波数ニューロンは、各トークンのログをそのログ周波数に比例して増加または抑制することで、出力分布をユニグラム分布から遠ざかる。
  論文  参考訳（メタデータ） (2024-06-24T01:31:03Z)
• Persistent learning signals and working memory without continuous attractors [6.135577623169029]
  準周期的アトラクタは、任意に長い時間的関係の学習を支援することができることを示す。 我々の理論は、人工知能システムの設計に幅広い意味を持っている。
  論文  参考訳（メタデータ） (2023-08-24T06:12:41Z)
• Latent Equilibrium: A unified learning theory for arbitrarily fast computation with arbitrarily slow neurons [0.7340017786387767]
  遅いコンポーネントのネットワークにおける推論と学習のための新しいフレームワークであるLatent Equilibriumを紹介する。 我々は, ニューロンとシナプスのダイナミクスを, 将来的なエネルギー関数から導出する。 本稿では,大脳皮質微小循環の詳細なモデルに我々の原理を適用する方法について述べる。
  論文  参考訳（メタデータ） (2021-10-27T16:15:55Z)
• 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)
• The principles of adaptation in organisms and machines II: Thermodynamics of the Bayesian brain [0.0]
  この記事では、ベイジアン推論の観点から、ニューラルネットワークのダイナミクスを通じて生物がどのように世界を学び、認識するかをレビューする。 次に、神経活動のエントロピーの法則に基づいて、この過程に関する熱力学的見解を紹介する。
  論文  参考訳（メタデータ） (2020-06-23T16:57:46Z)

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。