論文の概要: Activity-Dependent Plasticity in Morphogenetically-Grown Recurrent Networks

• arxiv url: http://arxiv.org/abs/2604.03386v1
• Date: Fri, 03 Apr 2026 18:35:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.548
• Title: Activity-Dependent Plasticity in Morphogenetically-Grown Recurrent Networks
• Title（参考訳）: モルフォジェネティックリカレントネットワークにおける活性依存塑性
• Abstract要約: 反ヘビアン可塑性は、有能なネットワークにおいてヘビアンを著しく上回っている。 塑性の役割は、微調整から非定常下での真の適応へと移行する。
• 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: Developmental approaches to neural architecture search grow functional networks from compact genomes through self-organisation, but the resulting networks operate with fixed post-growth weights. We characterise Hebbian and anti-Hebbian plasticity across 50,000 morphogenetically grown recurrent controllers (5M+ configurations on CartPole and Acrobot), then test whether co-evolutionary experiments -- where plasticity parameters are encoded in the genome and evolved alongside the developmental architecture -- recover these patterns independently. Our characterisation reveals that (1) anti-Hebbian plasticity significantly outperforms Hebbian for competent networks (Cohen's d = 0.53-0.64), (2) regret (fraction of oracle improvement lost under the best fixed setting) reaches 52-100%, and (3) plasticity's role shifts from fine-tuning to genuine adaptation under non-stationarity. Co-evolution independently discovers these patterns: on CartPole, 70% of runs evolve anti-Hebbian plasticity (p = 0.043); on Acrobot, evolution finds near-zero eta with mixed signs -- exactly matching the characterisation. A random-RNN control shows that anti-Hebbian dominance is generic to small recurrent networks, but the degree of topology-dependence is developmental-specific: regret is 2-6x higher for morphogenetically grown networks than for random graphs with matched topology statistics.
• Abstract（参考訳）: 神経アーキテクチャ探索の発達的アプローチは、コンパクトなゲノムから自己組織化を通じて機能的なネットワークを成長させるが、結果として得られるネットワークは、成長後の一定の重みで機能する。 我々は、5万個の形態素的に成長したリカレントコントローラ(CartPoleとAcrobotの5M以上の構成)にまたがるヘビアンと反ヘビアンの可塑性を特徴付ける。 以上の結果から,(1) 抗ヘビアン可塑性は, 有能ネットワーク(コーエンd = 0.53-0.64) においてヘビアンよりも有意に優れ, (2) 後悔(最良の固定条件下でのオラクル改善の摩擦)は52-100%に達し, (3) 可塑性の役割は微調整から非定常条件下での真の適応へと変化していることが明らかとなった。 CartPoleでは、ランの70%が反ヘビーンの可塑性(p = 0.043)を進化させ、Acrobotでは、進化がほぼゼロのetaと混在している。 ランダム・RNN制御は、反ヘビアン支配が小さな再帰的ネットワークに対して一般的であることを示しているが、トポロジー依存性の程度は発達特異的である: 後悔は、整合したトポロジー統計を持つランダムグラフよりも、形態的に成長したネットワークに対して2～6倍高い。

関連論文リスト

• Perception, Verdict, and Evolution: Hindsight-Driven Self-Refining Forensics Agent for AI-Generated Image Detection [80.15317858033534]
  ForeAgentは、反復的な自己進化を伴うAI生成画像検出のためのエージェント法医学フレームワークである。 ForeAgentはChameleonベンチマークで最先端のパフォーマンスを達成し、精度は82.18%に達した。 ForeAgent は GPT-5 や GPT-5-mini と比較して、より一貫性があり、因果的な推論をもたらす。
  論文  参考訳（メタデータ） (2026-06-25T02:59:33Z)
• Structured interactions improve distributed coordination beyond model scaling in a real-world multi-robot system [48.701675182639]
  実世界のマルチロボット協調におけるシステムレベルの設計問題について検討する。 ロボット間のコミュニケーションの再構築は、車載モデルのサイズを増大させるよりも大きな利益をもたらすか? 完全連結からモジュラー階層的相互作用への切り替えは47点(0-100)の正規化性能を改善する
  論文  参考訳（メタデータ） (2026-05-28T03:21:52Z)
• MorphSNN: Adaptive Graph Diffusion and Structural Plasticity for Spiking Neural Networks [20.207135245363386]
  スパイキングニューラルネットワーク(SNN)は現在、重大なボトルネックに直面している。 個々のニューロンは動的生物学的性質を示すが、マクロな構造は従来の接続パターンに限られている。 生体内非シナプス拡散と構造塑性にインスパイアされたバックボーンフレームワークであるMorphSNNを提案する。
  論文  参考訳（メタデータ） (2026-03-15T08:52:57Z)
• DNA: Uncovering Universal Latent Forgery Knowledge [39.19379714306656]
  フォージェリ検出機能は、すでにトレーニング済みのモデル内にエンコードされている。 DNAフレームワークは粗大な発掘機構を採用している。 Hifi-Genは、最新のモデルの上に構築された高忠実度合成ベンチマークである。
  論文  参考訳（メタデータ） (2026-01-30T03:48:30Z)
• Dynamics-inspired Structure Hallucination for Protein-protein Interaction Modeling [60.57197355431804]
  タンパク質とタンパク質の相互作用 (PPI) は生物学の中心的な課題である。 深層学習は、このような変異の影響を予測することは約束されているが、2つの主要な制約によって妨げられている。 本稿では,Refine-PPIという新しいフレームワークについて述べる。
  論文  参考訳（メタデータ） (2026-01-08T19:29:04Z)
• Bidirectional Representations Augmented Autoregressive Biological Sequence Generation:Application in De Novo Peptide Sequencing [51.12821379640881]
  自己回帰(AR)モデルは、全体的な双方向表現を提供するが、生成的コヒーレンスとスケーラビリティに関する課題に直面している。 非自己回帰機構からリッチなコンテキスト情報を動的に統合することにより、AR生成を向上するハイブリッドフレームワークを提案する。 新しいクロスデコーダアテンションモジュールにより、ARデコーダは、これらの双方向機能を反復的にクエリし、統合することができる。
  論文  参考訳（メタデータ） (2025-10-09T12:52:55Z)
• Context-Aware Regularization with Markovian Integration for Attention-Based Nucleotide Analysis [0.2718525106069543]
  自己回帰変換器は、固定長のコンテキストウィンドウに頼ってマルコフの振る舞いを示す。 CARMANIAは、NT予測を遷移行列(TM)損失で強化する自己教師型事前学習フレームワークである。 TM損失は、予測トークン遷移を、各入力シーケンスから経験的に導出されたn-gram統計と整合させ、局所的なコンテキストを超えた高次依存関係を捕捉するようモデルに促す。
  論文  参考訳（メタデータ） (2025-07-12T19:03:28Z)
• UniGenX: a unified generative foundation model that couples sequence, structure and function to accelerate scientific design across proteins, molecules and materials [62.72989417755985]
  自然系における関数の統一生成モデルUniGenXを提案する。 UniGenXはシンボルトークンと数値トークンの混合ストリームとして異種入力を表す。 ドメイン間のファンクション・アウェア・ジェネレーションに対して、最先端または競合的なパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-03-09T16:43:07Z)
• Predicting loss-of-function impact of genetic mutations: a machine learning approach [0.0]
  本稿では,遺伝子変異の属性に基づいて機械学習モデルを学習し,LoFtoolスコアを予測することを目的とする。 これらの属性には、染色体上の突然変異の位置、アミノ酸の変化、変異によって引き起こされるコドンの変化が含まれていた。 モデルは, 平均2乗誤差, 平均2乗誤差, 平均2乗誤差, 平均絶対誤差, 説明分散の5倍のクロスバリデード平均を用いて評価した。
  論文  参考訳（メタデータ） (2024-01-26T19:27:38Z)
• Evolving and Merging Hebbian Learning Rules: Increasing Generalization by Decreasing the Number of Rules [9.387749254963595]
  訓練後のアウト・オブ・ディストリビューション状況への一般化は、人工エージェントにとって依然として課題である。 我々はヘビアン学習ルールの集合を進化させ、複数の接続を1つのルールに割り当てる。 ネットワーク内の複数の接続が同じローカル学習ルールを共有することで、トレーニング可能なパラメータの数を劇的に削減できることを示す。
  論文  参考訳（メタデータ） (2021-04-16T08:24:19Z)
• Epigenetic evolution of deep convolutional models [81.21462458089142]
  我々は、より深い畳み込みモデルを進化させるために、これまで提案されていた神経進化の枠組みを構築した。 異なる形状と大きさのカーネルを同一層内に共存させる畳み込み層配置を提案する。 提案したレイアウトにより、畳み込み層内の個々のカーネルのサイズと形状を、対応する新しい突然変異演算子で進化させることができる。
  論文  参考訳（メタデータ） (2021-04-12T12:45:16Z)
• A multi-agent evolutionary robotics framework to train spiking neural networks [35.90048588096738]
  スパイクニューラルネットワーク(snn)を訓練するための新しいマルチエージェント進化ロボティクス(er)ベースのフレームワーク SNNの集団の重みと制御するボットの形態学的パラメータは表現型として扱われる。 フレームワークのルールは、特定のボットとそのSNNを選択して、競争環境において食物を捕獲する効果に基づいて、その除去を行う。
  論文  参考訳（メタデータ） (2020-12-07T07:26:52Z)

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。