論文の概要: From Cortical Synchronous Rhythm to Brain Inspired Learning Mechanism: An Oscillatory Spiking Neural Network with Time-Delayed Coordination

• arxiv url: http://arxiv.org/abs/2605.01656v1
• Date: Sun, 03 May 2026 00:49:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-05 20:33:49.871044
• Title: From Cortical Synchronous Rhythm to Brain Inspired Learning Mechanism: An Oscillatory Spiking Neural Network with Time-Delayed Coordination
• Title（参考訳）: 皮質同期リズムから脳誘発学習メカニズム:時間遅延座標を用いた振動スパイクニューラルネットワーク
• Authors: Tingting Dan, Guorong Wu,
• Abstract要約: 人間の認知は、分散ニューラルネットワークにおける協調スパイキングダイナミクスから生まれる。 認知レベルのニューラルシンクロが出現する脳に触発された学習プリミティブを提案する。 我々は、リズムタイミングを効率的な情報処理の制御機構として利用するスパイキング・バイ・シンクロナイゼーションニューラルネットワーク(S2-Net)を考案した。
• 参考スコア（独自算出の注目度）: 11.165976916760814
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human cognition emerges from coordinated spiking dynamics in distributed neural circuits, where information is encoded via both firing rates and precise spike timing determined by brain rhythms. Inspired by this notion, we propose a brain-inspired learning primitive in which cognition-level neural synchrony emerges through iterative bottom-up and top-down interactions between micro-scale dynamics of spiking neurons and a macro-scale mechanism of oscillatory synchronization. Specifically, we model each parcel (e.g., a cortical region or an image pixel) in the target system as a spiking neuron embedded in a predefined connectivity scaffold. Low-level information is encoded in a spatiotemporal domain, where neurons are selectively grouped and fire spontaneously over time through self-organized dynamics. In the bottom-up route, oscillatory synchronization is formed from past spiking activity accumulated over a finite memory window. Since brain dynamics operate in a regime of partial and transient synchronization rather than global phase locking, we model oscillatory coordination using a time-delayed synchronization formulation, which enables a top-down modulation of heterogeneous neural spiking for a large-scale distributed system. Together, we devise a spiking-by-synchronization neural network (S2-Net) that uses rhythmic timing as a control mechanism for efficient information processing. Promising results have been achieved across a broad range of tasks, including neural activity decoding, energy-efficient signal processing, temporal binding and semantic reasoning.
• Abstract（参考訳）: 人間の認知は、脳のリズムによって決定される発火速度と正確なスパイクタイミングの両方を通して情報が符号化される分散ニューラルネットワークの協調スパイキングダイナミクスから生じる。 この概念に触発されて、スパイキングニューロンのマイクロスケールダイナミクスと発振同期のマクロスケールメカニズムの間の反復的ボトムアップとトップダウンの相互作用を通じて認知レベルニューラルシンクロが出現する脳インスピレーション学習プリミティブを提案する。 具体的には、ターゲットシステム内の各パーセル(例えば、皮質領域または画像ピクセル)を、予め定義された接続足場に埋め込まれたスパイクニューロンとしてモデル化する。 低レベル情報は時空間領域に符号化され、ニューロンは選択的にグループ化され、自己組織化されたダイナミクスを通して自然に発火する。 ボトムアップ経路では、有限メモリウィンドウ上に蓄積された過去のスパイク活動から発振同期を形成する。 脳のダイナミクスは、大域的な位相同期ではなく、部分的および過渡的同期の状態で機能するため、大規模な分散システムにおける異種ニューラルスパイクのトップダウン変調を可能にする時間遅延同期定式化を用いて振動調整をモデル化する。 そこで我々は,リズミカルタイミングを効率的な情報処理の制御機構として用いたスパイク・バイ・シンクロナイゼーションニューラルネットワーク(S2-Net)を考案した。 結果は、神経活動復号化、エネルギー効率のよい信号処理、時間的バインディング、意味論的推論など、幅広いタスクで達成されている。

関連論文リスト

• A Unified Phase-native Computational Principle Governs Hippocampal Spike Timing and Neural Coding [0.3499870393443268]
  海馬ニューロンはネットワーク振動に対して正確な位相ロックを示す。 この原理を定式化するために、統合複雑価値ニューロン(UCN)が開発された。 これらの知見は、ニューラルタイミングと符号化のフェーズネイティブな原則を統一したものである。
  論文  参考訳（メタデータ） (2026-03-20T06:55:25Z)
• Explore Brain-Inspired Machine Intelligence for Connecting Dots on Graphs Through Holographic Blueprint of Oscillatory Synchronization [12.374727945483594]
  まず,脳のリズムを,HoloBrainと呼ばれる自発同期神経振動の干渉によってモデル化した。 結合振動の人工力学系を用いた脳リズムのモデル化の成功は、HoloGraphと呼ばれる共有同期機構に基づく脳にインスパイアされたマシンインテリジェンスの「第一原理」を動機付けている。 私たちのHoloGraphフレームワークは、グラフニューラルネットワークにおける過度に滑らかな問題を効果的に緩和するだけでなく、グラフ上の問題を推論し解決する強力な可能性も示しています。
  論文  参考訳（メタデータ） (2026-01-20T02:15:21Z)
• Neuronal Group Communication for Efficient Neural representation [85.36421257648294]
  本稿では, 効率的な, モジュラー, 解釈可能な表現を学習する, 大規模ニューラルシステムの構築方法に関する問題に対処する。 本稿では、ニューラルネットワークを相互作用する神経群の動的システムとして再認識する理論駆動型フレームワークである神経グループ通信(NGC)を提案する。 NGCは、重みを埋め込みのようなニューロン状態間の過渡的な相互作用として扱い、神経計算はニューロン群間の反復的なコミュニケーションを通じて展開する。
  論文  参考訳（メタデータ） (2025-10-19T14:23:35Z)
• 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)
• Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
  逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。 われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。 本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
  論文  参考訳（メタデータ） (2025-07-15T17:57:48Z)
• Exploring neural oscillations during speech perception via surrogate gradient spiking neural networks [59.38765771221084]
  本稿では、ディープラーニングフレームワークと互換性があり、スケーラブルな、生理学的にインスパイアされた音声認識アーキテクチャを提案する。 本研究では, 終末から終末までの勾配降下訓練が, 中枢スパイク神経ネットワークにおける神経振動の出現に繋がることを示す。 本研究は, スパイク周波数適応やリカレント接続などのフィードバック機構が, 認識性能を向上させるために, 神経活動の調節と同期に重要な役割を担っていることを明らかにする。
  論文  参考訳（メタデータ） (2024-04-22T09:40:07Z)
• 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)

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。