論文の概要: Joint sparse coding and temporal dynamics support context reconfiguration

• arxiv url: http://arxiv.org/abs/2605.10178v1
• Date: Mon, 11 May 2026 08:29:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:50.644771
• Title: Joint sparse coding and temporal dynamics support context reconfiguration
• Title（参考訳）: 共同スパース符号化と時間力学支援コンテキスト再構成
• Authors: Qianqian Shi, Yue Che, Faqiang Liu, Hongyi Li, Mingkun Xu, Sandra Reinert, Pieter M. Goltstein, Rong Zhao, Luping Shi,
• Abstract要約: 我々は,文脈遷移における先行表現の保存を支援するメカニズムとして,結合スパース符号化と時間ダイナミクスを同定する。 興味深いことに、スパイクニューラルネットワークのような両方の特性を持つネットワークは、補助なしでの生涯学習の間に改善された保持を示す。 これらの知見は、生涯学習におけるフレキシブルな文脈再構成を支援するコアメカニズムとして、結合スパース符号化と時間ダイナミクスを確立した。
• 参考スコア（独自算出の注目度）: 12.88300604235618
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adaptive behavior requires the brain to transition between distinct contexts while maintaining representations of prior experience. The ability to reconfigure neural representations without erasing previously acquired knowledge is central to learning in dynamic environments, yet the neural mechanisms that support this balance remain unclear. Understanding these mechanisms is also critical for addressing catastrophic forgetting in artificial systems designed for lifelong learning. Here, we identify joint sparse coding and temporal dynamics in both the mouse medial prefrontal cortex (mPFC) and computational networks as mechanisms that help preserve prior representations during context transitions. Specifically, sparsity in context-dependent representations reduces cross-context interference, whereas temporal dynamics within the network activity further enhance context separability across time. Strikingly, networks endowed with both properties, such as spiking neural networks, exhibit improved retention during lifelong learning without auxiliary heuristics. These findings establish joint sparse coding and temporal dynamics as a core mechanism supporting flexible context reconfiguration in lifelong learning and, through their activity constraining nature, as an energy-efficient architectural principle for stable adaptation. Together, they provide a mechanistic framework for understanding how the brain preserves prior knowledge while flexibly adapting to new contexts.
• Abstract（参考訳）: 適応的行動は、脳が以前の経験の表現を維持しながら、異なる文脈間で遷移することを要求する。 以前取得した知識を消去することなく神経表現を再構成する能力は、動的環境における学習の中心であるが、このバランスをサポートする神経メカニズムは依然として不明である。 これらのメカニズムを理解することは、生涯学習用に設計された人工システムにおける破滅的な忘れに対処する上でも重要である。 そこで本研究では,マウス中前頭前皮質(mPFC)とコンピュータネットワークの双方において,文脈遷移時の先行表現の保存を支援するメカニズムとして,結合スパース符号化と時間的ダイナミクスを同定する。 具体的には、コンテキスト依存表現の空間性はコンテキスト間干渉を減少させるが、ネットワークアクティビティ内の時間的ダイナミクスは時間にわたってコンテキスト分離性をさらに向上させる。 興味深いことに、スパイクニューラルネットワークのような両方の特性を持つネットワークは、補助的なヒューリスティックを伴わない生涯学習の間に改善された保持を示す。 これらの知見は,生涯学習におけるフレキシブルな文脈再構成を支援するコアメカニズムとして,また,その活動制約性を通じて,安定適応のためのエネルギー効率の高いアーキテクチャ原理として,共同スパース符号化と時間ダイナミクスを確立した。 彼らは共に、脳が新しい文脈に柔軟に適応しながら、どのように事前の知識を保存するかを理解するための機械的枠組みを提供する。

関連論文リスト

• Rhythmic sharing: A bio-inspired paradigm for zero-shot adaptive learning in neural networks [0.0]
  脳は新しい状況に素早く適応し、限られたデータから学習する。 リンク強度の発振を利用した学習パラダイムを開発し,これらの発振の協調と学習の関連性について検討した。 リンクの発振は、調整を迅速に変更し、ネットワークが監督なしに微妙なコンテキスト変化を感知し、適応できるようにする。
  論文  参考訳（メタデータ） (2025-02-12T18:58:34Z)
• Neuron: Learning Context-Aware Evolving Representations for Zero-Shot Skeleton Action Recognition [64.56321246196859]
  本稿では,dUalスケルトン・セマンティック・セマンティック・セマンティック・セマンティック・シンジスティック・フレームワークを提案する。 まず、時空間進化型マイクロプロトタイプを構築し、動的コンテキスト認識側情報を統合する。 本研究では,空間的圧縮と時間的記憶機構を導入し,空間的時間的マイクロプロトタイプの成長を導く。
  論文  参考訳（メタデータ） (2024-11-18T05:16:11Z)
• 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)
• Persistent learning signals and working memory without continuous attractors [6.135577623169029]
  準周期的アトラクタは、任意に長い時間的関係の学習を支援することができることを示す。 我々の理論は、人工知能システムの設計に幅広い意味を持っている。
  論文  参考訳（メタデータ） (2023-08-24T06:12:41Z)
• Critical Learning Periods for Multisensory Integration in Deep Networks [112.40005682521638]
  ニューラルネットワークが様々な情報源からの情報を統合する能力は、トレーニングの初期段階において、適切な相関した信号に晒されることに批判的になることを示す。 臨界周期は、訓練されたシステムとその学習された表現の最終性能を決定づける、複雑で不安定な初期過渡的ダイナミクスから生じることを示す。
  論文  参考訳（メタデータ） (2022-10-06T23:50:38Z)
• Complementary Structure-Learning Neural Networks for Relational Reasoning [3.528645587678267]
  海馬におけるパターン分離は,新しい環境下での迅速な学習を可能にすることを示す。 ネオコルテックスのゆっくりとした学習は、よく学習された環境から体系的な構造を抽出するために小さな重量変化を蓄積する。
  論文  参考訳（メタデータ） (2021-05-19T06:25:21Z)

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。