論文の概要: Von Economo neurons enable reliable social skill acquisition in recurrent spiking neural networks: a computational account with clinical predictions

• arxiv url: http://arxiv.org/abs/2605.17399v1
• Date: Sun, 17 May 2026 11:39:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.995158
• Title: Von Economo neurons enable reliable social skill acquisition in recurrent spiking neural networks: a computational account with clinical predictions
• Title（参考訳）: Von Economo ニューロンは反復的なスパイクニューラルネットワークにおける社会的スキル獲得を可能にする:臨床予測を伴う計算的計算
• Authors: Esila Keskin,
• Abstract要約: VENは前頭側頭型認知症(bvFTD)において選択的に消失し、自閉症スペクトラム条件(ASC)では減少する 我々は、繰り返しピラミッド回路にVEN様投射ニューロン(K=40, 2%)を埋め込んだスパイクニューラルネットワークを訓練する。 VEN-Intact Networksは49/50ケース(98%)に収束し、VEN-ablated Networksは35/50ケース(70%)に収束した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Von Economo neurons (VENs) are selectively lost in behavioural-variant frontotemporal dementia (bvFTD) and reduced in autism spectrum conditions (ASC), yet their computational role in social learning remains unexplained. We train a spiking neural network (the VENCircuit) embedding VEN-like projection neurons (K=40, 2% of total) in a recurrent pyramidal circuit across 50 matched random initialisations with and without VENs. The network is trained on a controlled binary classification task; we make no claim to model social cognition directly. VEN-intact networks converged in 49/50 cases (98%) versus 35/50 (70%) for VEN-ablated networks (Fisher's exact OR=21.0, 95% CI 2.7-167, p=8.7e-5). Failed ablated networks showed complete absence of learning, inconsistent with a speed-of-learning account. Phase-ablation experiments show VEN removal is most disruptive during mid-training (epochs 5-25), when a co-adaptive dependency forms in the pyramidal circuit. We derive a formal account showing VENs provide a direct gradient pathway immune to Jacobian instabilities affecting the recurrent circuit. Inference-time VEN ablation caused a significant performance drop (Wilcoxon p=0.022), ranging from no change (16/20 networks) to catastrophic collapse (0.989 to 0.620). VENs function as acquisition scaffolds whose developmental absence produces stochastic learning failure - a computational analogue of variable social skill acquisition in ASC - with falsifiable predictions for organoid and electrophysiology studies.
• Abstract（参考訳）: フォン・エコノモニューロン(VEN)は行動変化性前頭側頭葉認知症(bvFTD)において選択的に消失し、自閉症スペクトラム条件(ASC)では減少するが、社会学習におけるその計算的役割は明らかになっていない。 我々は、VENのような投射ニューロン(K=40, 2%)を、50個のランダム初期化とVENのないランダム初期化に適合する繰り返しピラミッド回路に埋め込むスパイクニューラルネットワーク(VENCircuit)を訓練する。 ネットワークは、制御された二項分類タスクに基づいて訓練されており、社会的認知を直接モデル化する主張はしていない。 VEN-Intact Networksは、VEN-ablated Networkの49/50ケース(98%)と35/50ケース(70%)に収束した(Fisherの正確なOR=21.0、95% CI 2.7-167、p=8.7e-5)。 失敗に終わったネットワークは、学習のスピード・オブ・ラーニング・アカウントとは相容れない、完全に学習の欠如を示した。 位相アブレーション実験により、VEN除去はピラミッド回路に共適応依存が形成される中間訓練(5-25)において最も破壊的であることが示された。 我々は、VENが再発回路に影響を及ぼすヤコビ不安定性に直接勾配経路を免疫することを示す公式な説明を導出する。 推測時間VENアブレーションは、変化のない(16/20ネットワーク)から破滅的な崩壊(0.989から0.620)まで、大きな性能低下(Wilcoxon p=0.022)を引き起こした。 VENは、発達の欠如が確率的学習障害(ASCにおける可変社会的スキル獲得の計算的類似)を引き起こす獲得足場として機能する。

関連論文リスト

• The Fast Lane Hypothesis: Von Economo Neurons Implement a Biological Speed-Accuracy Tradeoff [0.0]
  フォン・エコノモニューロン(Von Economo neurons、VENs)は、ヒト、大類人猿、セタチアンを含む複雑な社会的認知を持つ種の前帯状皮質(ACC)および前頭葉にのみ見られる大きな双極性投射ニューロンである。 前頭側頭性認知症(FTD)におけるそれらの選択的枯渇と自閉症の発達の変化は、迅速な社会的意思決定においてそれらを示唆するが、VEN関数の計算モデルはこれまで存在しなかった。 高速レーン仮説(Fast Lane hypothesis: VENs implement a biological speed-accuracy tradeoff (SAT) by a sparse, fast projection pathway that can able rapid social decisions at intention。
  論文  参考訳（メタデータ） (2026-04-10T11:37:19Z)
• Pruning-induced phases in fully-connected neural networks: the eumentia, the dementia, and the amentia [0.18206461789819073]
  我々は、MNISTでトレーニングされた完全接続ニューラルネットワークについて検討し、トレーニング段階と評価段階の両方で独立にドロップアウト率を変化させた。 eumentia(ネットワークが学習する)、dementia(ネットワークが忘れる)、amentia(ネットワークが学習できない)の3つの相を識別する。 以上の結果から, 投棄によって引き起こされるプルーニングは, 統計力学のレンズを通してニューラルネットワークの動作を理解する具体的環境を提供することが示された。
  論文  参考訳（メタデータ） (2026-03-12T18:00:01Z)
• Adversarial Vulnerability Transcends Computational Paradigms: Feature Engineering Provides No Defense Against Neural Adversarial Transfer [1.2482871069947656]
  ディープニューラルネットワークは、誤分類を引き起こす敵の例に対して脆弱である。 敵対的脆弱性は、エンドツーエンドの識別可能性の人工物ではなく、画像分類システムの基本的特性であることを示す。 これらの結果から, 敵対的脆弱性は画像分類システムの基本的特性ではなく, エンド・ツー・エンドの識別可能性のアーチファクトであることがわかった。
  論文  参考訳（メタデータ） (2026-01-29T06:35:46Z)
• Revisiting the Role of Relearning in Semantic Dementia [10.69545448873646]
  失った知識の再学習は、意味認知症などの慢性認知疾患では広く支持されていない。 従来の研究では、深い線形人工知能ニューラルネットワークが人間に似た意味学習の段階を示すことが示されている。 深層線形ネットワークを用いて、特定の萎縮ではなく、疾患進行中の再学習がSDに関連する行動パターンを引き起こすという仮説を検証した。
  論文  参考訳（メタデータ） (2025-03-05T14:28:38Z)
• Deep Neural Networks Tend To Extrapolate Predictably [51.303814412294514]
  ニューラルネットワークの予測は、アウト・オブ・ディストリビューション(OOD)入力に直面した場合、予測不可能で過信される傾向がある。 我々は、入力データがOODになるにつれて、ニューラルネットワークの予測が一定値に向かう傾向があることを観察する。 我々は、OOD入力の存在下でリスクに敏感な意思決定を可能にするために、私たちの洞察を実際に活用する方法を示します。
  論文  参考訳（メタデータ） (2023-10-02T03:25:32Z)
• Benign Overfitting for Two-layer ReLU Convolutional Neural Networks [60.19739010031304]
  ラベルフリップ雑音を持つ2層ReLU畳み込みニューラルネットワークを学習するためのアルゴリズム依存型リスクバウンダリを確立する。 緩やかな条件下では、勾配降下によってトレーニングされたニューラルネットワークは、ほぼゼロに近いトレーニング損失とベイズ最適試験リスクを達成できることを示す。
  論文  参考訳（メタデータ） (2023-03-07T18:59:38Z)
• Convolutional Spiking Neural Networks for Detecting Anticipatory Brain Potentials Using Electroencephalogram [0.21847754147782888]
  スパイキングニューラルネットワーク(SNN)は、生体系におけるシナプス接続を模倣しスパイクトレインを発生させるため、注目を集めている。 近年,畳み込みネットワークの特徴抽出能力とSNNの計算効率を組み合わせた畳み込み層が導入された。 本稿では、畳み込みスパイクニューラルネットワーク(CSNN)を用いて、予測速度の遅い大脳皮質電位を検出することの実現可能性について検討する。
  論文  参考訳（メタデータ） (2022-08-14T19:04:15Z)
• 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)
• Neural Networks and Value at Risk [59.85784504799224]
  リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。 株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。 はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
  論文  参考訳（メタデータ） (2020-05-04T17:41:59Z)

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。