論文の概要: Analysis of a Spatialized Brain-Body-Environment System

• arxiv url: http://arxiv.org/abs/2509.25640v1
• Date: Tue, 30 Sep 2025 01:26:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 17:09:04.380835
• Title: Analysis of a Spatialized Brain-Body-Environment System
• Title（参考訳）: 空間化された脳-体-環境システムの解析
• Authors: Denizhan Pak, Quan Le Thien, Christopher J. Agostino,
• Abstract要約: 多くのモデルは、しばしば脳を結合常微分方程式(PDE)のネットワークとして扱う。 本研究では,脳と身体の両方に偏微分方程式(PDE)を用いた空間的前向きアプローチを提案する。 本研究は,脳-体-環境相互作用の理解における空間ダイナミクスの重要性を強調した。
• 参考スコア（独自算出の注目度）: 0.9558392439655014
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The brain-body-environment framework studies adaptive be- havior through embodied and situated agents, emphasizing interactions between brains, biomechanics, and environmen- tal dynamics. However, many models often treat the brain as a network of coupled ordinary differential equations (ODEs), neglecting finer spatial properties which can not only increase model complexity but also constrain observable neural dy- namics. To address this limitation, we propose a spatially ex- tended approach using partial differential equations (PDEs) for both the brain and body. As a case study, we revisit a pre- viously developed model of a child swinging, now incorpo- rating spatial dynamics. By considering the spatio-temporal properties of the brain and body, we analyze how input loca- tion and propagation along a PDE influence behavior. This approach offers new insights into the role of spatial organiza- tion in adaptive behavior, bridging the gap between abstract neural models and the physical constraints of embodied sys- tems. Our results highlight the importance of spatial dynam- ics in understanding brain-body-environment interactions.
• Abstract（参考訳）: 脳-体-環境の枠組みは、脳、生体力学、エンビロンメン-タル力学の相互作用を強調する、体化および位置決めされたエージェントによる適応的なbe-環境の研究である。 しかし、多くのモデルは、しばしば脳を結合した常微分方程式(ODE)のネットワークとして扱い、モデル複雑性を増大させるだけでなく、観測可能なニューラル・ダイ・ナミクスを制約する、より微細な空間特性を無視する。 この制限に対処するため,脳と身体の両方に偏微分方程式(PDE)を用いた空間的非定常アプローチを提案する。 ケーススタディとして、我々は、現在、身体的評価の空間力学である、子どもの揺れの鮮明な発達モデルを再考する。 脳と身体の時空間的特性を考慮し、PDEによる影響行動に沿って、入力ローカイオンと伝播がどのように変化するかを分析する。 このアプローチは、適応行動における空間オルガニザ-オンの役割に関する新たな洞察を与え、抽象的ニューラルモデルと体現されたシス-テムの物理的制約の間のギャップを埋める。 本研究は,脳-体-環境相互作用の理解における空間ダイナミクスの重要性を強調した。

関連論文リスト

• Mind Meets Space: Rethinking Agentic Spatial Intelligence from a Neuroscience-inspired Perspective [53.556348738917166]
  エージェントAIの最近の進歩は、自律的なタスク実行と言語に基づく推論が可能なシステムにつながっている。 人間の空間知能は、統合された多感覚知覚、空間記憶、認知マップに根ざし、非構造環境における柔軟でコンテキスト対応の意思決定を可能にする。
  論文  参考訳（メタデータ） (2025-09-11T05:23:22Z)
• BrainATCL: Adaptive Temporal Brain Connectivity Learning for Functional Link Prediction and Age Estimation [0.33748750222488655]
  本稿では、適応的時間的脳接続学習のための非教師なしノンパラメトリックフレームワークBrainATCLを提案する。 提案手法は,新たに追加されたエッジのレートに基づいて,スナップショット毎のルックバックウィンドウを動的に調整する。 グラフシーケンスはGINE-Mamba2バックボーンを用いて符号化され、静止状態fMRIデータにおける動的機能接続の時空間表現を学習する。
  論文  参考訳（メタデータ） (2025-08-09T21:18:25Z)
• State Space Models Naturally Produce Traveling Waves, Time Cells, and Scale to Abstract Cognitive Functions [7.097247619177705]
  ディープラーニングアーキテクチャの新しいクラスであるステートスペースモデル(SSM)に基づくフレームワークを提案する。 我々は、このモデルが生物学的な「時間細胞」を著しく模倣する神経表現を自然に発達させることを実証した。 本研究は,SSMを単一ニューロンのダイナミクスと認知現象を結びつける魅力的な枠組みとして位置づけた。
  論文  参考訳（メタデータ） (2025-07-18T03:53:16Z)
• Neural Brain: A Neuroscience-inspired Framework for Embodied Agents [58.58177409853298]
  大規模な言語モデルのような現在のAIシステムは、いまだに解体され続けており、物理的に世界と関わりが持てない。 この課題の核心は、人間のような適応性を持つエンボディエージェントを駆動するために設計された中枢知能システムであるNeural Brain(ニューラル・ブレイン)の概念である。 本稿では,2つの基本的な課題に対処する,エンボディエージェントのニューラルブレインの統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2025-05-12T15:05:34Z)
• Brain-like Functional Organization within Large Language Models [58.93629121400745]
  人間の脳は長い間人工知能(AI)の追求にインスピレーションを与えてきた 最近のニューロイメージング研究は、人工ニューラルネットワーク(ANN)の計算的表現と、人間の脳の刺激に対する神経反応との整合性の説得力のある証拠を提供する。 本研究では、人工ニューロンのサブグループと機能的脳ネットワーク(FBN)を直接結合することで、このギャップを埋める。 このフレームワークはANサブグループをFBNにリンクし、大きな言語モデル(LLM)内で脳に似た機能的組織を記述できる。
  論文  参考訳（メタデータ） (2024-10-25T13:15:17Z)
• Artificial Kuramoto Oscillatory Neurons [65.16453738828672]
  神経科学とAIの両方では、ニューロン間の'バインディング'が、ネットワークの深い層においてより抽象的な概念を表現するために表現を圧縮する、競争的な学習の形式につながることが知られている。 完全に接続された畳み込みや注意機構などの任意の接続設計とともに人工的再考を導入する。 このアイデアは、教師なしオブジェクト発見、敵対的ロバスト性、不確実性、定量化、推論など、幅広いタスクにわたるパフォーマンス改善を提供する。
  論文  参考訳（メタデータ） (2024-10-17T17:47:54Z)
• Brain-JEPA: Brain Dynamics Foundation Model with Gradient Positioning and Spatiotemporal Masking [5.528773909620209]
  Brain-JEPAは、JEPA(Joint-Embedding Predictive Architecture)を用いた脳動力学基礎モデルである Brain-JEPAは2つの革新的な技術、Brain Gradient PositioningとSpatiotemporal Maskingを取り入れている。
  論文  参考訳（メタデータ） (2024-09-28T17:06:06Z)
• CREIMBO: Cross-Regional Ensemble Interactions in Multi-view Brain Observations [3.3713037259290255]
  現在の分析手法は、しばしばそのようなデータの豊かさを活かさない。 CREIMBOは、グラフ駆動辞書学習を通じて、セッションごとのニューラルアンサンブルの隠れた構成を特定する。 合成データ中の真の成分を回収するCREIMBOの能力を実証する。
  論文  参考訳（メタデータ） (2024-05-27T17:48:32Z)
• 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)

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。