論文の概要: Transmission Neural Networks: Inhibitory and Excitatory Connections

• arxiv url: http://arxiv.org/abs/2604.04246v1
• Date: Sun, 05 Apr 2026 20:07:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:19.003597
• Title: Transmission Neural Networks: Inhibitory and Excitatory Connections
• Title（参考訳）: 伝達ニューラルネットワーク:抑制および興奮接続
• Authors: Shuang Gao, Peter E. Caines,
• Abstract要約: 我々は、GaoとCainesのTransmission Neural Networkモデルを拡張し、抑制的接続と神経伝達物質集団を組み込む。 我々は、ニューロンの発火確率のキャラクタリゼーションを確立し、抑制を考慮したキャラクタリゼーションをニューラルネットワークで等価に表現できることを示す。 限界ネットワークモデルの安定性と収縮特性について十分な条件を確立する。
• 参考スコア（独自算出の注目度）: 0.2578242050187029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper extends the Transmission Neural Network model proposed by Gao and Caines in [1]-[3] to incorporate inhibitory connections and neurotransmitter populations. The extended network model contains binary neuronal states, transmission dynamics, and inhibitory and excitatory connections. Under technical assumptions, we establish the characterization of the firing probabilities of neurons, and show that such a characterization considering inhibitions can be equivalently represented by a neural network where each neuron has a continuous state of dimension 2. Moreover, we incorporated neurotransmitter populations into the modeling and establish the limit network model when the number of neurotransmitters at all synaptic connections go to infinity. Finally, sufficient conditions for stability and contraction properties of the limit network model are established.
• Abstract（参考訳）: 本稿では,Gao と Caines が [1]-[3] で提案した伝達ニューラルネットワークモデルを拡張し,抑制的結合と神経伝達物質集団を組み込む。 拡張ネットワークモデルには、バイナリニューロン状態、伝達ダイナミクス、抑制および興奮接続が含まれる。 技術的仮定により、ニューロンの発火確率のキャラクタリゼーションを確立し、抑制を考慮したキャラクタリゼーションが、各ニューロンが2次元連続状態を持つニューラルネットワークで等価に表現可能であることを示す。 さらに, 神経伝達物質群をモデルに組み込み, 全てのシナプス接続における神経伝達物質数の無限大化に際し, 限界ネットワークモデルを確立する。 最後に、限界ネットワークモデルの安定性と収縮特性の十分な条件を確立する。

関連論文リスト

• Dense Neural Networks are not Universal Approximators [53.27010448621372]
  ニューラルネットワークは任意の連続関数の普遍性を持たないことを示す。 ReLUニューラルネットワークは、重みと入出力次元の自然な制約を受ける。
  論文  参考訳（メタデータ） (2026-02-07T16:52:38Z)
• Approximating nonlinear functions with latent boundaries in low-rank excitatory-inhibitory spiking networks [5.955727366271805]
  スパイクに基づく興奮抑制スパイクネットワークのための新しいフレームワークを考案した。 本研究は,生体スパイクに基づく計算の力学的理解の出発点となるスパイクネットワークの新しい視点を提案する。
  論文  参考訳（メタデータ） (2023-07-18T15:17:00Z)
• Equivalence of Additive and Multiplicative Coupling in Spiking Neural Networks [0.0]
  スパイキングニューラルネットワークモデルは、生物学的ニューロンの回路の創発的集団力学を特徴付ける。 加法結合を持つスパイクニューラルネットワークモデルは乗法結合を持つモデルと等価であることを示す。
  論文  参考訳（メタデータ） (2023-03-31T20:19:11Z)
• POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
  2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。 提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
  論文  参考訳（メタデータ） (2022-01-19T09:26:34Z)
• Stability Analysis of Fractional Order Memristor Synapse-coupled Hopfield Neural Network with Ring Structure [0.0]
  まず,2つのニューロンに2次メムリスタ共役ホップフィールドニューラルネットワークを提案する。 我々は、n個のサブネットワークニューロンからなるリング構造を持つニューラルネットワークにモデルを拡張し、ネットワーク内の同期を増大させる。 n-ニューロンの場合、安定性はサブネットワークの構造と数に依存することが明らかになった。
  論文  参考訳（メタデータ） (2021-09-29T12:33:23Z)
• And/or trade-off in artificial neurons: impact on adversarial robustness [91.3755431537592]
  ネットワークに十分な数のOR様ニューロンが存在すると、分類の脆さと敵の攻撃に対する脆弱性が増加する。 そこで我々は,AND様ニューロンを定義し,ネットワーク内での割合を増大させる対策を提案する。 MNISTデータセットによる実験結果から,本手法はさらなる探索の方向として有望であることが示唆された。
  論文  参考訳（メタデータ） (2021-02-15T08:19:05Z)
• The distribution of inhibitory neurons in the C. elegans connectome facilitates self-optimization of coordinated neural activity [78.15296214629433]
  線虫Caenorhabditis elegansの神経系は、昆虫のサイズが小さいにもかかわらず著しく複雑である。 一般的な課題は、システムレベルでの神経組織と神経活動の関係をよりよく理解することである。 我々は,各ニューロンの神経伝達物質同定を近似した,C. elegans Connectomeの抽象シミュレーションモデルを実装した。
  論文  参考訳（メタデータ） (2020-10-28T23:11:37Z)
• ResiliNet: Failure-Resilient Inference in Distributed Neural Networks [56.255913459850674]
  ResiliNetは、分散ニューラルネットワークにおいて物理ノード障害に耐性を持たせるためのスキームである。 Failoutは、ドロップアウトを使用したトレーニング中の物理ノード障害条件をシミュレートし、分散ニューラルネットワークのレジリエンスを改善するように設計されている。
  論文  参考訳（メタデータ） (2020-02-18T05:58:24Z)

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。