論文の概要: Incorporating Visual Cortical Lateral Connection Properties into CNN: Recurrent Activation and Excitatory-Inhibitory Separation

• arxiv url: http://arxiv.org/abs/2509.15460v1
• Date: Thu, 18 Sep 2025 22:13:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-22 18:18:10.920274
• Title: Incorporating Visual Cortical Lateral Connection Properties into CNN: Recurrent Activation and Excitatory-Inhibitory Separation
• Title（参考訳）: CNNへの視覚皮質側方結合特性の付加:反復活性化と興奮抑制分離
• Authors: Jin Hyun Park, Cheng Zhang, Yoonsuck Choe,
• Abstract要約: 標準CNNフレームワーク内で横接続をどのようにモデル化するかを示す。 本研究は,(1)繰り返し活性化と(2)興奮・抑制接続の分離という,側方接続の2つのアーキテクチャ的特徴に焦点を当てる。 これら2つのモデルが加わったことにより、分類精度が向上し、さらに重要なことに、結果として得られるモデルの活性化特性と接続特性は、生物学的視覚系で観察されたものと類似した特性を示す。
• 参考スコア（独自算出の注目度）: 5.319621068510146
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The original Convolutional Neural Networks (CNNs) and their modern updates such as the ResNet are heavily inspired by the mammalian visual system. These models include afferent connections (retina and LGN to the visual cortex) and long-range projections (connections across different visual cortical areas). However, in the mammalian visual system, there are connections within each visual cortical area, known as lateral (or horizontal) connections. These would roughly correspond to connections within CNN feature maps, and this important architectural feature is missing in current CNN models. In this paper, we present how such lateral connections can be modeled within the standard CNN framework, and test its benefits and analyze its emergent properties in relation to the biological visual system. We will focus on two main architectural features of lateral connections: (1) recurrent activation and (2) separation of excitatory and inhibitory connections. We show that recurrent CNN using weight sharing is equivalent to lateral connections, and propose a custom loss function to separate excitatory and inhibitory weights. The addition of these two leads to increased classification accuracy, and importantly, the activation properties and connection properties of the resulting model show properties similar to those observed in the biological visual system. We expect our approach to help align CNN closer to its biological counterpart and better understand the principles of visual cortical computation.
• Abstract（参考訳）: オリジナルの畳み込みニューラルネットワーク(CNN)と、ResNetのような最新の更新は、哺乳類の視覚システムに強く影響を受けている。 これらのモデルには、求心性接続(網膜とLGN)と長距離投射(異なる視覚皮質領域にまたがる接続)が含まれる。 しかし、哺乳類の視覚系では、側方(または水平)接続として知られる各視覚皮質領域に接続が存在する。 これらは概ねCNNの機能マップ内の接続に対応しており、現在のCNNモデルではこの重要なアーキテクチャ機能は欠落している。 本稿では,標準的なCNNフレームワーク内でこのような横方向接続をモデル化し,その利点を検証し,生物学的視覚システムに関連する創発特性を解析する方法について述べる。 本研究は,(1)繰り返し活性化と(2)興奮・抑制接続の分離という,側方接続の2つのアーキテクチャ的特徴に焦点を当てる。 重み共有を用いた繰り返しCNNは側方接続と等価であることを示すとともに,興奮と抑制の重みを分離するカスタムロス関数を提案する。 これら2つのモデルが加わったことにより、分類精度が向上し、さらに重要なことに、結果として得られるモデルの活性化特性と接続特性は、生物学的視覚系で観察されたものと類似した特性を示す。 われわれのアプローチは、CNNを生物学的に相応しいものにし、視覚皮質計算の原理をよりよく理解するのに役立つと期待している。

関連論文リスト

• Unveiling the Unseen: Identifiable Clusters in Trained Depthwise Convolutional Kernels [56.69755544814834]
  深部分離型畳み込みニューラルネットワーク(DS-CNN)の最近の進歩は、新しいアーキテクチャをもたらす。 本稿では,DS-CNNアーキテクチャのもう一つの顕著な特性を明らかにする。
  論文  参考訳（メタデータ） (2024-01-25T19:05:53Z)
• A Dual-Stream Neural Network Explains the Functional Segregation of Dorsal and Ventral Visual Pathways in Human Brains [8.24969449883056]
  我々は人間の目と脳にインスパイアされたデュアルストリーム視覚モデルを開発する。 入力レベルでは、モデルは2つの相補的な視覚パターンをサンプリングする。 バックエンドでは、モデルが分離された入力パターンを畳み込みニューラルネットワークの2つのブランチを通して処理する。
  論文  参考訳（メタデータ） (2023-10-20T22:47:40Z)
• Long-Range Feedback Spiking Network Captures Dynamic and Static Representations of the Visual Cortex under Movie Stimuli [25.454851828755054]
  視覚野が、文脈に富む情報を含む自然の映画刺激をどのように表現するかについては、限られた知見がある。 本研究では、大脳皮質領域間のトップダウン接続を模倣した長距離フィードバックスパイクネットワーク(LoRaFB-SNet)を提案する。 本稿では,マウスのモデル表現と視覚皮質表現の類似性を測定するために,時系列表現類似性分析(TSRSA)を提案する。
  論文  参考訳（メタデータ） (2023-06-02T08:25:58Z)
• Prune and distill: similar reformatting of image information along rat visual cortex and deep neural networks [61.60177890353585]
  深部畳み込み神経ネットワーク(CNN)は、脳の機能的類似、視覚野の腹側流の優れたモデルを提供することが示されている。 ここでは、CNNまたは視覚野の内部表現で知られているいくつかの顕著な統計的パターンについて考察する。 我々は、CNNと視覚野が、オブジェクト表現の次元展開/縮小と画像情報の再構成と、同様の密接な関係を持っていることを示す。
  論文  参考訳（メタデータ） (2022-05-27T08:06:40Z)
• 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)
• Spatial-Temporal Correlation and Topology Learning for Person Re-Identification in Videos [78.45050529204701]
  クロススケール空間時空間相関をモデル化し, 識別的, 堅牢な表現を追求する新しい枠組みを提案する。 CTLはCNNバックボーンとキーポイント推定器を使用して人体から意味的局所的特徴を抽出する。 グローバルな文脈情報と人体の物理的接続の両方を考慮して、多スケールグラフを構築するためのコンテキスト強化トポロジーを探求する。
  論文  参考訳（メタデータ） (2021-04-15T14:32:12Z)
• The Mind's Eye: Visualizing Class-Agnostic Features of CNNs [92.39082696657874]
  本稿では,特定のレイヤの最も情報性の高い特徴を表現した対応する画像を作成することにより,画像の集合を視覚的に解釈する手法を提案する。 本手法では, 生成ネットワークを必要とせず, 元のモデルに変更を加えることなく, デュアルオブジェクトのアクティベーションと距離損失を利用する。
  論文  参考訳（メタデータ） (2021-01-29T07:46:39Z)
• Emotional EEG Classification using Connectivity Features and Convolutional Neural Networks [81.74442855155843]
  CNNと脳のつながりを利用した新しい分類システムを導入し,その効果を感情映像分類により検証する。 対象映像の感情的特性に関連する脳接続の集中度は分類性能と相関する。
  論文  参考訳（メタデータ） (2021-01-18T13:28:08Z)

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。