論文の概要: A Bio-mimetic Neuromorphic Model for Heat-evoked Nociceptive Withdrawal Reflex in Upper Limb

• arxiv url: http://arxiv.org/abs/2505.17724v1
• Date: Fri, 23 May 2025 10:41:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 18:08:34.005327
• Title: A Bio-mimetic Neuromorphic Model for Heat-evoked Nociceptive Withdrawal Reflex in Upper Limb
• Title（参考訳）: 上肢の温熱受容性侵害反射に対する生体模倣型ニューロモルフィックモデル
• Authors: Fengyi Wang, J. Rogelio Guadarrama Olvera, Nitish Thako, Gordon Cheng,
• Abstract要約: 本研究では, 反射アークの構造と符号化方式を模倣し, 熱誘発型NWRのニューロモルフィックスパイキングネットワークを提案する。 このネットワークは、生物工学的な報酬スパイクタイミング依存の塑性学習アルゴリズムで訓練されている。
• 参考スコア（独自算出の注目度）: 5.573543601558406
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The nociceptive withdrawal reflex (NWR) is a mechanism to mediate interactions and protect the body from damage in a potentially dangerous environment. To better convey warning signals to users of prosthetic arms or autonomous robots and protect them by triggering a proper NWR, it is useful to use a biological representation of temperature information for fast and effective processing. In this work, we present a neuromorphic spiking network for heat-evoked NWR by mimicking the structure and encoding scheme of the reflex arc. The network is trained with the bio-plausible reward modulated spike timing-dependent plasticity learning algorithm. We evaluated the proposed model and three other methods in recent studies that trigger NWR in an experiment with radiant heat. We found that only the neuromorphic model exhibits the spatial summation (SS) effect and temporal summation (TS) effect similar to humans and can encode the reflex strength matching the intensity of the stimulus in the relative spike latency online. The improved bio-plausibility of this neuromorphic model could improve sensory feedback in neural prostheses.
• Abstract（参考訳）: 侵害受容性離脱反射(NWR)は、相互作用を仲介し、潜在的に危険な環境で身体を損傷から守るメカニズムである。 適切なNWRをトリガーすることで、義肢や自律ロボットの利用者に警告信号を伝達し、それらを保護するためには、高速で効率的な処理に温度情報の生物学的表現を使用することが有用である。 本研究では,反射アークの構造と符号化スキームを模倣し,熱誘発型NWRのニューロモルフィックスパイキングネットワークを提案する。 このネットワークは、スパイクタイミングに依存した塑性学習アルゴリズムを用いて、生物工学的な報酬を訓練する。 放射熱実験においてNWRを誘導する手法として提案したモデルおよび他の3つの手法について検討した。 その結果, 空間和(SS)効果と時間和(TS)効果が人間に似ており, 相対スパイク遅延における刺激の強度と一致する反射強度をネット上でエンコードできることが判明した。 このニューロモルフィックモデルの改良により、神経義肢の感覚フィードバックが向上する可能性がある。

関連論文リスト

• ILIF: Temporal Inhibitory Leaky Integrate-and-Fire Neuron for Overactivation in Spiking Neural Networks [7.9207501627846675]
  スパイキングニューラルネットワーク(SNN)は、そのエネルギー効率、イベント駆動処理、生物学的妥当性に注目が集まっている。 バックプロパゲーションを介してSNNを訓練するために、非微分可能なスパイク関数を近似するために代理勾配を用いる。 我々はガンマのジレンマと呼ばれる大きな課題を同定し、比較的大きなガンマは過剰なニューロンの発火を特徴とする過剰な活性化を引き起こす。
  論文  参考訳（メタデータ） (2025-05-15T14:56:06Z)
• Neurophysiologically Realistic Environment for Comparing Adaptive Deep Brain Stimulation Algorithms in Parkinson Disease [1.45543311565555]
  aDBSでは、外科的に配置された電極が神経生理学的フィードバックに基づいて動的に変化した刺激を脳に送る。 我々は,そのモデルを比較するために,最初の神経生理学的に現実的なベンチマークを導入する。 我々は,ディープラーニング(RL)アルゴリズムを学習し,評価するための構造化環境として,我々のフレームワークを構築した。
  論文  参考訳（メタデータ） (2025-04-26T09:44:44Z)
• MT-NAM: An Efficient and Adaptive Model for Epileptic Seizure Detection [51.87482627771981]
  マイクロツリーベースNAM(MT-NAM)は,最近提案されたニューラル付加モデル(NAM)に基づく蒸留モデルである。 MT-NAMは、標準のNAMと比較して、精度を損なうことなく、100$Times$の推論速度の向上を実現している。 今回我々はCHB-MITの頭皮脳波データを用いて,セッション数や発作回数の異なる24例の脳波データについて検討した。
  論文  参考訳（メタデータ） (2025-03-11T10:14:53Z)
• The Neuron as a Direct Data-Driven Controller [43.8450722109081]
  本研究は、ニューロンを最適フィードバックコントローラとして概念化し、予測を最適化する現在の規範モデルを拡張する。 我々は、ニューロンを生物学的に実現可能なコントローラとしてモデル化し、ループダイナミクスを暗黙的に識別し、潜伏状態を推測し、制御を最適化する。 我々のモデルは、従来の、フィードフォワード、即時応答のマカロック-ピッツ-ローゼンブラットニューロンから大きく離れており、ニューラルネットワークを構築するための、新しく生物学的にインフォームドされた基本ユニットを提供する。
  論文  参考訳（メタデータ） (2024-01-03T01:24:10Z)
• Learning with Chemical versus Electrical Synapses -- Does it Make a Difference? [61.85704286298537]
  バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。 我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
  論文  参考訳（メタデータ） (2023-11-21T13:07:20Z)
• Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
  この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。 我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
  論文  参考訳（メタデータ） (2023-03-30T02:40:28Z)
• Adapting Brain-Like Neural Networks for Modeling Cortical Visual Prostheses [68.96380145211093]
  皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。 現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。 我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-09-27T17:33:19Z)
• A Hybrid Neural Autoencoder for Sensory Neuroprostheses and Its Applications in Bionic Vision [0.0]
  感覚神経補綴は、失われた感覚機能を回復したり、人間の能力を増強するための有望な技術として登場しつつある。 本稿では、ディープニューラルネットワークエンコーダが、基礎となる生物学的システムを近似した、既知の固定されたフォワードモデルを逆転するように、いかに訓練されているかを示す。 概念実証として,視覚神経補綴症例に対するハイブリッド神経オートエンコーダ(HNA)の有効性を実証した。
  論文  参考訳（メタデータ） (2022-05-26T20:52:00Z)
• 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)
• Artificial Neural Variability for Deep Learning: On Overfitting, Noise Memorization, and Catastrophic Forgetting [135.0863818867184]
  人工ニューラルネットワーク(ANV)は、ニューラルネットワークが自然のニューラルネットワークからいくつかの利点を学ぶのに役立つ。 ANVは、トレーニングデータと学習モデルの間の相互情報の暗黙の正則化として機能する。 過度にフィットし、ノイズの記憶をラベル付けし、無視できるコストで破滅的な忘れを効果的に軽減することができる。
  論文  参考訳（メタデータ） (2020-11-12T06:06:33Z)
• Graph Convolutional Networks Reveal Neural Connections Encoding Prosthetic Sensation [1.4431534196506413]
  被験者が人工的な入力を解釈することを学ぶときの刺激パラメータを最適化する機械学習戦略は、デバイスの有効性を向上させる可能性がある。 深層学習を非ユークリッドグラフデータに拡張する最近の進歩は、神経スパイク活動の解釈に新しいアプローチをもたらす。 人工感覚情報の処理に関与するニューロン間の機能的関係を推定するために,グラフ畳み込みネットワーク(GCN)を適用した。
  論文  参考訳（メタデータ） (2020-08-23T01:43:46Z)

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。