論文の概要: Place Cells as Position Embeddings of Multi-Time Random Walk Transition Kernels for Path Planning

• arxiv url: http://arxiv.org/abs/2505.14806v1
• Date: Tue, 20 May 2025 18:14:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-22 15:42:58.697046
• Title: Place Cells as Position Embeddings of Multi-Time Random Walk Transition Kernels for Path Planning
• Title（参考訳）: 経路計画のための複数時間ランダムウォーク遷移カーネルの位置埋め込みとしてのプレースセル
• Authors: Minglu Zhao, Dehong Xu, Deqian Kong, Wen-Hao Zhang, Ying Nian Wu,
• Abstract要約: 海馬は、認知地図を形成する集合的な場所細胞エンコーディングを通して空間的なナビゲーションを編成する。 我々は,場所細胞の個体群をマルチスケールのランダムウォーク遷移カーネルを近似した位置埋め込みとして再認識する。 本モデルでは, 計算効率を向上しつつ, 位置セル特性, フィールドサイズ分布, 適応性, 再マッピングを捉える。
• 参考スコア（独自算出の注目度）: 33.71905971282097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The hippocampus orchestrates spatial navigation through collective place cell encodings that form cognitive maps. We reconceptualize the population of place cells as position embeddings approximating multi-scale symmetric random walk transition kernels: the inner product $\langle h(x, t), h(y, t) \rangle = q(y|x, t)$ represents normalized transition probabilities, where $h(x, t)$ is the embedding at location $ x $, and $q(y|x, t)$ is the normalized symmetric transition probability over time $t$. The time parameter $\sqrt{t}$ defines a spatial scale hierarchy, mirroring the hippocampal dorsoventral axis. $q(y|x, t)$ defines spatial adjacency between $x$ and $y$ at scale or resolution $\sqrt{t}$, and the pairwise adjacency relationships $(q(y|x, t), \forall x, y)$ are reduced into individual embeddings $(h(x, t), \forall x)$ that collectively form a map of the environment at sale $\sqrt{t}$. Our framework employs gradient ascent on $q(y|x, t) = \langle h(x, t), h(y, t)\rangle$ with adaptive scale selection, choosing the time scale with maximal gradient at each step for trap-free, smooth trajectories. Efficient matrix squaring $P_{2t} = P_t^2$ builds global representations from local transitions $P_1$ without memorizing past trajectories, enabling hippocampal preplay-like path planning. This produces robust navigation through complex environments, aligning with hippocampal navigation. Experimental results show that our model captures place cell properties -- field size distribution, adaptability, and remapping -- while achieving computational efficiency. By modeling collective transition probabilities rather than individual place fields, we offer a biologically plausible, scalable framework for spatial navigation.
• Abstract（参考訳）: 海馬は、認知地図を形成する集合的な場所細胞エンコーディングを通して空間ナビゲーションを編成する。 内積 $\langle h(x, t), h(y, t) \rangle = q(y|x, t)$ は正規化遷移確率を表す。 時間パラメータ $\sqrt{t}$ は、海馬の背腹軸を反映する空間スケール階層を定義する。 $q(y|x, t)$ はスケールまたは解像度 $\sqrt{t}$ と $y$ の間の空間的隣接を定義するが、ペアの隣接関係 $(q(y|x, t), \forall x, y)$ は個々の埋め込み $(h(x, t), \forall x)$ に還元される。 我々のフレームワークは、適応的なスケール選択を伴う$q(y|x, t) = \langle h(x, t), h(y, t)\rangle$で勾配を上昇させ、トラップフリーで滑らかな軌道に対して各ステップで最大勾配の時間スケールを選択する。 効率的な行列 Squaring $P_{2t} = P_t^2$ build global representations from local transitions $P_1$ without memizing past trajectories, allowing hippocampal preplay-like path planning。 これにより、複雑な環境を通した堅牢なナビゲーションが実現し、海馬のナビゲーションと整合する。 実験結果から, 計算効率を向上しつつ, 位置セル特性(フィールドサイズ分布, 適応性, 再マッピング)を把握できることが示唆された。 個々の場所のフィールドではなく、集合的な遷移確率をモデル化することにより、空間ナビゲーションのための生物学的に妥当でスケーラブルなフレームワークを提供する。

関連論文リスト

• GFLAN: Generative Functional Layouts [1.1458853556386797]
  GFLANは、フロアプラン合成を明示的な因子化によって、トポロジカルプランニングと幾何学的実現に再構成する生成フレームワークである。 提案手法は,2段階分解の原理を優先して,直接画素間あるいは壁面追跡生成から逸脱する。
  論文  参考訳（メタデータ） (2025-12-18T07:52:47Z)
• Modeling Microenvironment Trajectories on Spatial Transcriptomics with NicheFlow [80.00833033784079]
  細胞微小環境の理解は、組織の発生と疾患データの解読に不可欠である。 NicheFlowはフローベースの生成モデルであり、空間スライドを横断する細胞マイクロ環境の時間軌道を推定する。
  論文  参考訳（メタデータ） (2025-11-02T15:41:38Z)
• Functional embeddings enable Aggregation of multi-area SEEG recordings over subjects and sessions [0.11083289076967894]
  多領域局所場電位から各電極の主観的機能識別を学習する表現学習フレームワークを提案する。 フレキシブルレスト/ムーブメント記録セッション中に収集した基底神経節-視床領域にまたがる20オブジェクトデータセットを用いて,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2025-10-31T01:23:05Z)
• Egocentric Visual Navigation through Hippocampal Sequences [0.0]
  海馬の配列は内因性リカレント回路から発生し, 容易に入力できなくても活動が伝播することを示す。 我々は神経生物学にインスパイアされた最小のシーケンスジェネレータを実装し、エゴセントリックな視覚ナビゲーションのためのアクター批判学習者と組み合わせる。
  論文  参考訳（メタデータ） (2025-10-11T01:38:23Z)
• Spline Deformation Field [21.755382164519776]
  帰納バイアスは、不適切なシナリオにおける標準空間コヒーレンスを妨げる。 本稿では,従来の結合技術に取って代わる,新しい低ランク空間符号化手法を提案する。 最先端の手法と比較して、競争力のある動的再構成品質を実現する。
  論文  参考訳（メタデータ） (2025-07-10T08:11:46Z)
• Multi-Timescale Gradient Sliding for Distributed Optimization [23.311605203774388]
  凸・非平滑・分散最適化問題に対する2つの一階法を提案する。 我々のMT-GSとATT-GSは、通信ラウンドを減らすために、(局所的な)目的間の類似性を利用することができる。 これら3つの望ましい特徴はブロック分解可能な原始双対の定式化によって達成される。
  論文  参考訳（メタデータ） (2025-06-18T12:03:34Z)
• GMapLatent: Geometric Mapping in Latent Space [51.317738404571514]
  エンコーダ-デコーダAIアーキテクチャに基づくドメイン間の生成モデルは、現実的な画像の生成に大きな注目を集めている。 幾何学的マッピングに基づく正準潜在空間表現を導入し、領域間潜在空間を厳密かつ正確に整列する。 グレースケールおよびカラー画像の実験は、GMapLatentの有効性、有効性および適用性を検証する。
  論文  参考訳（メタデータ） (2025-03-30T12:02:36Z)
• HierRelTriple: Guiding Indoor Layout Generation with Hierarchical Relationship Triplet Losses [52.70183252341687]
  本稿では,空間的関係学習に着目した階層型三重項に基づく屋内関係学習手法HierRelTripleを提案する。 階層型リレーショナル三重項モデリングフレームワークであるHierRelTripleを導入する。 非条件レイアウト合成、フロアプラン条件付きレイアウト生成、シーン再構成の実験により、HierRelは空間関係のメトリクスを15%以上改善することを示した。
  論文  参考訳（メタデータ） (2025-03-26T07:31:52Z)
• Displacement-Sparse Neural Optimal Transport [6.968698312185846]
  最適輸送(OT)は、コスト関数を最小化しながら、ある確率測度から別の確率測度へ質量を輸送するマップ$T$を見つけることを目的としている。 ニューラルOTソルバは、薬物摂動などの高次元生物学的応用で人気を博している。 直感的で理論的に基礎を成す手法として,ニューラルOTソルバ内におけるエンファスメント・スパースマップの学習手法を提案する。
  論文  参考訳（メタデータ） (2025-02-03T23:44:17Z)
• Demystifying Linear MDPs and Novel Dynamics Aggregation Framework [8.087699764574788]
  線型 MDP において、$d$ は遷移確率を適切に表すために$S/U$ で制限される。 動的アグリゲーション(dynamics aggregate, 動的アグリゲーション)と呼ばれる動的に基づく新しい構造アグリゲーションフレームワークを提案する。 提案アルゴリズムは統計的効率を示し,$ tildeO (d_psi3/2 H3/2sqrt T)$, $d_psi$は集約されたサブMDPの特徴次元を表す。
  論文  参考訳（メタデータ） (2024-10-31T16:21:41Z)
• Adaptive $k$-nearest neighbor classifier based on the local estimation of the shape operator [49.87315310656657]
  我々は, 局所曲率をサンプルで探索し, 周辺面積を適応的に定義する適応型$k$-nearest(kK$-NN)アルゴリズムを提案する。 多くの実世界のデータセットから、新しい$kK$-NNアルゴリズムは、確立された$k$-NN法と比較してバランスの取れた精度が優れていることが示されている。
  論文  参考訳（メタデータ） (2024-09-08T13:08:45Z)
• Projection by Convolution: Optimal Sample Complexity for Reinforcement Learning in Continuous-Space MDPs [56.237917407785545]
  本稿では,円滑なベルマン作用素を持つ連続空間マルコフ決定過程(MDP)の一般クラスにおいて,$varepsilon$-optimal Policyを学習する問題を考察する。 我々のソリューションの鍵となるのは、調和解析のアイデアに基づく新しい射影技術である。 我々の結果は、連続空間 MDP における2つの人気と矛盾する視点のギャップを埋めるものである。
  論文  参考訳（メタデータ） (2024-05-10T09:58:47Z)
• Improved Algorithm for Adversarial Linear Mixture MDPs with Bandit Feedback and Unknown Transition [71.33787410075577]
  線形関数近似,未知遷移,および逆損失を用いた強化学習について検討した。 我々は高い確率で$widetildeO(dsqrtHS3K + sqrtHSAK)$ regretを実現する新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-07T15:03:50Z)
• Nearly Minimax Optimal Regret for Learning Linear Mixture Stochastic Shortest Path [80.60592344361073]
  線形混合遷移カーネルを用いた最短経路(SSP)問題について検討する。 エージェントは繰り返し環境と対話し、累積コストを最小化しながら特定の目標状態に到達する。 既存の作業は、イテレーションコスト関数の厳密な下限や、最適ポリシーに対する期待長の上限を仮定することが多い。
  論文  参考訳（メタデータ） (2024-02-14T07:52:00Z)
• On Learning Gaussian Multi-index Models with Gradient Flow [57.170617397894404]
  高次元ガウスデータに対する多次元回帰問題の勾配流について検討する。 低階射影をパラメトリする部分空間よりも、非パラメトリックモデルで低次元リンク関数を無限に高速に学習する2時間スケールのアルゴリズムを考える。
  論文  参考訳（メタデータ） (2023-10-30T17:55:28Z)
• Learning optimal integration of spatial and temporal information in noisy chemotaxis [0.0]
  本研究では,空間的勾配推定による遊走速度と時間的推定による遊走速度の境界について検討する。 我々は、繰り返しニューラルネットワークによる協調的遊走政策をパラメータ化し、遊走細胞の最小理論モデルを用いて評価する。 政権間の移行は継続しており、移行地域では統合戦略が優れたことが判明した。
  論文  参考訳（メタデータ） (2023-10-16T15:50:23Z)
• Monge, Bregman and Occam: Interpretable Optimal Transport in High-Dimensions with Feature-Sparse Maps [37.45959537338404]
  我々は、$tau$ のスパース性誘導ノルムを選択すると、Occam のカミソリを輸送に応用する写像が得られることを示した。 本稿では,高次元単細胞転写データに対して有意なマップを推定する手法について紹介する。
  論文  参考訳（メタデータ） (2023-02-08T14:02:34Z)
• DADAO: Decoupled Accelerated Decentralized Asynchronous Optimization [0.0]
  DADAOは、L$-smooth と $mu$-strongly convex 関数の和を最小化する最初の分散化、高速化、非同期化、プライマリ化、一階述語アルゴリズムである。 我々のアルゴリズムは、$mathcalO(nsqrtchisqrtfracLmulog(frac1epsilon)$ localと$mathcalO(nsqrtchisqrtfracLmulog()のみを必要とすることを示す。
  論文  参考訳（メタデータ） (2022-07-26T08:47:54Z)
• Supervised Training of Conditional Monge Maps [107.78770597815242]
  最適輸送(OT)理論は、多くの可能な選択の中から確率測度を他のものにマッピングする最も効率的な方法を定義し、選択する一般的な原理を記述している。 本研究では,コンテキスト変数に条件付きOTマップの族を推定するマルチタスク手法であるCondOTを紹介する。 本研究では,CondOTの遺伝的・治療的摂動の任意の組み合わせが単一細胞に与える影響を推測する能力を示す。
  論文  参考訳（メタデータ） (2022-06-28T19:34:44Z)
• Optimal Gradient Sliding and its Application to Distributed Optimization Under Similarity [121.83085611327654]
  積 $r:=p + q$, ここで$r$は$mu$-strong convex類似性である。 エージェントの通信やローカルコールにマスターされた問題を解決する方法を提案する。 提案手法は$mathcalO(sqrtL_q/mu)$法よりもはるかにシャープである。
  論文  参考訳（メタデータ） (2022-05-30T14:28:02Z)
• Fast and Scalable Optimal Transport for Brain Tractograms [4.610968512889579]
  線形メモリフットプリント上での正規化最適輸送問題を解くための新しいマルチスケールアルゴリズムを提案する。 本手法は, ファイバー束やトラック密度マップとしてモデル化された脳幹図に対して有効性を示す。
  論文  参考訳（メタデータ） (2021-07-05T13:28:41Z)
• Continuous and time-discrete non-Markovian system-reservoir interactions: Dissipative coherent quantum feedback in Liouville space [62.997667081978825]
  2つの構造型貯水池に同時に露出する量子系について検討する。 対角線と対角線と外対角線の両方の貯留層相互作用を2倍のメモリと組み合わせた数値的精度の擬似2次元テンソルネットワークを用いて連続的および離散的遅延効果を示す。 例えば、離散フォトニックフィードバックと構造された音響フォノノノビアンモードの非マルコフ的相互作用を考察し、初期励起された2レベルシステム内での貯留層間相関と長寿命個体群トラップの出現を導いた。
  論文  参考訳（メタデータ） (2020-11-10T12:38:35Z)
• Nearly Minimax Optimal Reward-free Reinforcement Learning [88.75843804630772]
  本稿では、特にバッチ強化学習に適した報酬不要強化学習フレームワークと、複数の報酬関数に対するポリシーを必要とするシナリオについて検討する。 textbfStaged textbfSampling + textbfTruncated textbfPlanning (algoname) という新しい効率的なアルゴリズムを提供しています。
  論文  参考訳（メタデータ） (2020-10-12T17:51:19Z)
• Deep Learning Meets Projective Clustering [66.726500395069]
  NLPネットワークを圧縮するための一般的なアプローチは、埋め込み層を行列 $AinmathbbRntimes d$ としてエンコードすることである。 計算幾何学から遠射的クラスタリングに着想を得て、この部分空間を$k$部分空間の集合で置き換えることを提案する。
  論文  参考訳（メタデータ） (2020-10-08T22:47:48Z)

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。