論文の概要: Efficient and robust control with spikes that constrain free energy
- arxiv url: http://arxiv.org/abs/2603.09729v1
- Date: Tue, 10 Mar 2026 14:33:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:42.163491
- Title: Efficient and robust control with spikes that constrain free energy
- Title（参考訳）: 自由エネルギーを制約するスパイクによる効率的かつ堅牢な制御
- Authors: André Urbano, Pablo Lanillos, Sander Keemink,
- Abstract要約: 本稿では, 現実的な生物学的特性を有する新しい, 効率的で頑健なスパイク制御フレームワークを提案する。
結果として生じるネットワークは自由エネルギー制約器として機能し、ニューロンは内部表現の自由エネルギーを減少させると発火する。
- 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: Animal brains exhibit remarkable efficiency in perception and action, while being robust to both external and internal perturbations. The means by which brains accomplish this remains, for now, poorly understood, hindering our understanding of animal and human cognition, as well as our own implementation of efficient algorithms for control of dynamical systems.A potential candidate for a robust mechanism of state estimation and action computation is the free energy principle, but existing implementations of this principle have largely relied on conventional, biologically implausible approaches without spikes. We propose a novel, efficient, and robust spiking control framework with realistic biological characteristics. The resulting networks function as free energy constrainers, in which neurons only fire if they reduce the free energy of their internal representation. The networks offer efficient operation through highly sparse activity while matching performance with other similar spiking frameworks, and have high resilience against both external (e.g. sensory noise or collisions) and internal perturbations (e.g. synaptic noise and delays or neuron silencing) that such a network would be faced with when deployed by either an organism or an engineer. Overall, our work provides a novel mathematical account for spiking control through constraining free energy, providing both better insight into how brain networks might leverage their spiking substrate and a new route for implementing efficient control algorithms in neuromorphic hardware.
- Abstract（参考訳）: 動物の脳は知覚と行動において顕著な効率性を示すが、外的および内的摂動には頑健である。
脳がこれを成し遂げる手段は、今のところ、動物や人間の認知の理解を妨げるとともに、動的システムの制御のための効率的なアルゴリズムの実装も妨げている。状態推定と行動計算の堅牢なメカニズムの候補は、自由エネルギー原理であるが、この原理の既存の実装は、スパイクのない従来の生物学的に不可解なアプローチに大きく依存している。
本稿では, 現実的な生物学的特性を有する新しい, 効率的で頑健なスパイク制御フレームワークを提案する。
結果として生じるネットワークは自由エネルギー制約器として機能し、ニューロンは内部表現の自由エネルギーを減少させると発火する。
これらのネットワークは、他の類似のスパイクフレームワークと性能を一致させながら、高度にスパースな活動を通じて効率的な動作を提供し、外部(例えば知覚ノイズや衝突)と内部摂動(例えばシナプスノイズや遅延、ニューロンサイレンシング)の両方に対して高い抵抗性を持つ。
全体として、我々の研究は、自由エネルギーの制約によるスパイク制御に関する新しい数学的説明を提供し、脳ネットワークがスパイク基質をどのように活用するかについてのより良い洞察と、ニューロモルフィックハードウェアに効率的な制御アルゴリズムを実装するための新しいルートを提供する。
関連論文リスト
- General Self-Prediction Enhancement for Spiking Neurons [71.01912385372577]
スパイキングニューラルネットワーク(SNN)は、イベント駆動のスパース計算によって非常にエネルギー効率が良いが、そのトレーニングは、性能、効率、生物学的妥当性の非微分可能性とトレードオフによって困難である。
本稿では,その入力出力履歴から内部予測電流を生成し,膜電位を変調する自己予測強化スパイキングニューロン法を提案する。
この設計には2つの利点があり、失明した勾配を緩和し、トレーニングの安定性と精度を高める連続的な勾配経路を作成し、また遠位樹状突起変調とエラー駆動のシナプス塑性に類似した生物学的原理と整合する。
論文 参考訳（メタデータ） (2026-01-29T15:08:48Z) - Superposition as Lossy Compression: Measure with Sparse Autoencoders and Connect to Adversarial Vulnerability [23.64717985754014]
本稿では,神経表現の有効自由度を測定する情報理論フレームワークを提案する。
我々はシャノンエントロピーをスパースオートエンコーダアクティベーションに適用し、干渉のない符号化に必要な最小限のニューロンとして有効な特徴の数を計算した。
提案手法は, 玩具模型における地中真実と強く相関し, アルゴリズム作業における極小重ね合わせを検出し, ドロップアウト下での系統的縮小を明らかにする。
論文 参考訳（メタデータ） (2025-12-15T17:25:39Z) - A Brain-Inspired Gating Mechanism Unlocks Robust Computation in Spiking Neural Networks [5.647576619206974]
神経活動に応じて膜伝導が進化する新しいスパイクユニットであるDynamic Gated Neuron(DGN)を紹介する。
この結果から, 生物学的に妥当な動的ゲーティングが, 強靭なスパイクベースの計算の鍵となる機構であることを初めて強調した。
論文 参考訳（メタデータ） (2025-09-03T13:00:49Z) - Adaptive Spiking with Plasticity for Energy Aware Neuromorphic Systems [6.435407289576424]
ASPENはニューロモルフィックシステムのエネルギーを意識した技術で、インテリジェントで常時オン、超低消費電力、低バーデンのウェアラブルの未来を解き放つことができる。
本研究の目的は,ウェアラブルにおけるニューロモルフィックコンピューティングの実現可能性を探究し,オープンな研究方向を同定し,エネルギーを意識した計算に適応的なスパイキング技術を開発する可能性を示すことである。
論文 参考訳（メタデータ） (2025-08-11T21:25:17Z) - 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) - Spiking Meets Attention: Efficient Remote Sensing Image Super-Resolution with Attention Spiking Neural Networks [86.28783985254431]
従来の人工ニューラルネットワーク(ANN)の代替手段としてスパイキングニューラルネットワーク(SNN)が登場
本稿では,AID,DOTA,DIORなどのリモートセンシングベンチマークにおいて,最先端の性能を実現するSpikeSRを提案する。
論文 参考訳（メタデータ） (2025-03-06T09:06:06Z) - Single Neuromorphic Memristor closely Emulates Multiple Synaptic
Mechanisms for Energy Efficient Neural Networks [71.79257685917058]
我々はこれらのシナプス機能を本質的にエミュレートするSrTiO3に基づく膜状ナノデバイスを実証する。
これらのメムリスタは、安定かつエネルギー効率の良い運転を可能にする非定常低導電系で機能する。
論文 参考訳（メタデータ） (2024-02-26T15:01:54Z) - 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) - Closed-form control with spike coding networks [1.1470070927586016]
スパイキングニューラルネットワーク(SNN)を用いた効率的かつ堅牢な制御は、依然として未解決の問題である。
スパイク符号化ネットワーク(SCN)の神経科学理論を,クローズドフォームの最適推定と制御を取り入れて拡張する。
模擬スプリング・マス・ダンパーおよびカート・ポールシステムのロバストなスパイク制御を実証した。
論文 参考訳（メタデータ） (2022-12-25T10:32:20Z) - Neural Population Geometry Reveals the Role of Stochasticity in Robust
Perception [16.60105791126744]
本稿では,視覚神経ネットワークの内部表現に逆方向の摂動がどのような影響を及ぼすかを検討する。
ネットワークの種類ごとに異なる幾何学的シグネチャを見つけ,ロバスト表現を実現するための異なるメカニズムを明らかにする。
我々の結果は、堅牢な知覚ネットワークの戦略に光を当て、幾何学性が機械や生物学的計算にどのように役立つかを説明するのに役立ちました。
論文 参考訳（メタデータ） (2021-11-12T22:59:45Z)
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。