論文の概要: Retina gap junctions support the robust perception by warping neural representational geometries along the visual hierarchy

• arxiv url: http://arxiv.org/abs/2604.14200v1
• Date: Fri, 03 Apr 2026 11:23:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-19 19:09:11.714277
• Title: Retina gap junctions support the robust perception by warping neural representational geometries along the visual hierarchy
• Title（参考訳）: 網膜間隙接合は、視覚的階層に沿って神経表現的ジオメトリーを歪めることによって頑健な知覚を支援する
• Authors: Yang Yue, Shenjian Zhang, Yonghong Tian, Kai Du, Tiejun Huang,
• Abstract要約: 網膜間隙接合の防御性能と脳多様体への影響について検討した。 他の防御法と比較して、生物学的ハイブリッドモデルはより堅牢であり、訓練中にノイズを導入することで改善することができる。 以上の結果から, 生体ハイブリッドモデルは, 高い非線形性を持つユニークな2次元決定境界と, 多様体の決定境界の低い曲率を有することがわかった。
• 参考スコア（独自算出の注目度）: 49.52889244711062
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Deep Neural Networks (DNNs) are vulnerable to elaborately designed adversarial noise, although they have achieved extraordinary success in many tasks. Compared with DNNs, the human visual system is highly robust. However, it is unclear how the human visual system defends against adversarial attacks, especially the role of the early visual system and its influence on the brain manifold. Due to retina gap junctions being crucial for the denoising function in the early visual system, we combine a retina gap junction-based filter, G-filter, with DNN as an abstract human visual system model called the biological hybrid model. We adopt this model to study the defense performance of retina gap junctions and their impact on the brain manifold. Compared with other defense methods, the biological hybrid model is more robust and can be further improved by introducing noise during training. Next, we analyze the manifold and its decision boundary of the biological hybrid model from a geometry perspective. The results show that the biological hybrid model has a unique 2D decision boundary with high nonlinearity and a lower curvature of the decision boundary of the manifold compared to other defense methods. The transforming manifold may account for the high robustness of the biological hybrid model. Finally, to dissect G-filter and clarify its internal mechanism, we borrow the Neural Ordinary Differential Equation (ODE) concept and rewrite G-filter into an equivalent recurrent neural network. The results show that the decision boundary of the model's manifold will gradually change with time and eventually reach a steady state, which is modulated by gap junction conductance, revealing the influence of retina gap junctions on the brain manifold is a gradually evolving process.
• Abstract（参考訳）: ディープニューラルネットワーク(DNN)は、多くのタスクにおいて驚くべき成功を収めたにもかかわらず、精巧に設計された敵のノイズに対して脆弱である。 DNNと比較すると、人間の視覚系は非常に堅牢である。 しかし、人間の視覚系が敵の攻撃に対してどのように防御するか、特に初期視覚系の役割と脳多様体への影響は明らかでない。 初期の視覚系において,網膜ギャップジャンクションが視覚機能に欠かせないため,網膜ギャップジャンクションに基づくフィルタGフィルタとDNNを,生体ハイブリッドモデルと呼ばれる抽象視覚系モデルとして組み合わせた。 このモデルを用いて網膜ギャップ接合の防御性能と脳多様体への影響について検討する。 他の防御法と比較して、生物学的ハイブリッドモデルはより堅牢であり、訓練中にノイズを導入することでさらに改善することができる。 次に、幾何学的観点から、生物ハイブリッドモデルの多様体とその決定境界を解析する。 その結果, 生体ハイブリッドモデルは, 他の防御法と比較して, 非線形性が高く, 決定境界の曲率も低く, 独特な2次元決定境界を有することがわかった。 変換多様体は、生物学的ハイブリッドモデルの高ロバスト性を説明することができる。 最後に, G-filterを分解し, その内部機構を明らかにするために, Neural Ordinary Differential Equation (ODE) の概念を借用し, G-filterを等価なリカレントニューラルネットワークに書き換える。 その結果、モデル多様体の決定境界は時間とともに徐々に変化し、最終的に定常状態に達することが示され、これはギャップ接合コンダクタンスによって変調され、網膜ギャップ接合が脳多様体に与える影響が徐々に変化する過程であることが明らかとなった。

関連論文リスト

• Spectral Graph Neural Networks for Cognitive Task Classification in fMRI Connectomes [0.6372261626436676]
  機械学習を用いた認知タスク分類は、神経画像データから脳状態を復号する上で中心的な役割を果たす。 機械学習と脳ネットワーク解析を統合することで、機能的磁気共鳴イメージングコネクトームから複雑な接続パターンを抽出することができる。 正規化ラプラシア固有分解法を用いて計算したグラフフーリエ変換(GFT)に基づくスペクトル畳み込みフレームワークであるSpectralBrainGNNモデルを提案する。 Human Connectome Project-Taskデータセットの実験では、提案手法の有効性が示され、96.25%の分類精度が達成された。
  論文  参考訳（メタデータ） (2025-12-31T14:54:06Z)
• Brain-HGCN: A Hyperbolic Graph Convolutional Network for Brain Functional Network Analysis [12.899767824635433]
  双曲幾何学に基づく幾何学的深層学習フレームワークBrain-HGCNを提案する。 精神疾患分類のための2つの大規模fMRIデータセットの実験は、我々のアプローチが最先端のユークリッドベースラインを大きく上回っていることを示している。 この研究は、fMRI分析のための新しい幾何学的深層学習パラダイムを開拓し、計算心理学の分野における双曲型GNNの潜在可能性を強調した。
  論文  参考訳（メタデータ） (2025-09-18T13:55:02Z)
• Fractional Spike Differential Equations Neural Network with Efficient Adjoint Parameters Training [63.3991315762955]
  スパイキングニューラルネットワーク(SNN)は、生物学的ニューロンからインスピレーションを得て、脳に似た計算の現実的なモデルを作成する。 既存のほとんどのSNNは、マルコフ特性を持つ一階常微分方程式(ODE)によってモデル化された、神経細胞膜電圧ダイナミクスの単一時間定数を仮定している。 本研究では, 膜電圧およびスパイク列車の長期依存性を分数次力学により捉えるフラクタルSPIKE微分方程式ニューラルネットワーク (fspikeDE) を提案する。
  論文  参考訳（メタデータ） (2025-07-22T18:20:56Z)
• 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)
• Manipulating Feature Visualizations with Gradient Slingshots [53.94925202421929]
  特徴可視化(FV)は、ディープニューラルネットワーク(DNN)で学んだ概念を解釈するための広く使われている手法である。 本稿では,モデルアーキテクチャを変更したり,性能を著しく劣化させたりすることなくFVの操作を可能にする新しい手法,Gradient Slingshotsを提案する。
  論文  参考訳（メタデータ） (2024-01-11T18:57:17Z)
• Improving Neural Predictivity in the Visual Cortex with Gated Recurrent Connections [0.0]
  我々は,腹側視覚ストリームのユビキタスな特徴である横方向のリカレント接続を考慮したアーキテクチャに焦点を移し,適応的受容場を創出することを目指している。 本研究は,我々のアプローチの堅牢性と活性化の生物学的忠実性を高めるために,特定のデータ拡張技術を用いている。
  論文  参考訳（メタデータ） (2022-03-22T17:27:22Z)
• 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)
• A Heterogeneous Graph Based Framework for Multimodal Neuroimaging Fusion Learning [6.23207187065507]
  マルチモーダル・フュージョン・ラーニング(HGM)のための異種グラフニューラルネットワークを提案する。 従来のGNNベースのモデルは、通常、脳ネットワークは単一タイプのノードとエッジを持つ均質なグラフであると仮定する。 本研究の結果は, 疾患予測タスクにおける他のマルチモーダル手法よりも, 提案モデルの方が優れていることを示す。
  論文  参考訳（メタデータ） (2021-10-16T04:15:33Z)
• Heterogeneous Face Frontalization via Domain Agnostic Learning [74.86585699909459]
  本研究では, 視覚領域における正面視を, ポーズのバリエーションで合成できるドメイン非依存学習型生成逆数ネットワーク(DAL-GAN)を提案する。 DAL-GANは、補助分類器を備えたジェネレータと、より優れた合成のために局所的およびグローバルなテクスチャ識別をキャプチャする2つの識別器から構成される。
  論文  参考訳（メタデータ） (2021-07-17T20:41:41Z)

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。