論文の概要: Short-Term Synaptic Plasticity Stabilizes Goal-Conditioned Dynamics in a PFC-Inspired Reservoir Model for Multistep Goal-Directed Action Planning

• arxiv url: http://arxiv.org/abs/2606.03481v1
• Date: Tue, 02 Jun 2026 10:59:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:04.95121
• Title: Short-Term Synaptic Plasticity Stabilizes Goal-Conditioned Dynamics in a PFC-Inspired Reservoir Model for Multistep Goal-Directed Action Planning
• Title（参考訳）: 多段階ゴール指向型行動計画のためのPFC型貯水池モデルにおける短期シナプス塑性の安定化
• Authors: Jin Nakamura, Yuichi Katori,
• Abstract要約: 短期的なシナプス可塑性は、目標情報をアクション・ユース・ダイナミクスとして安定化させることができることを示す。 これらの結果から, ゴール依存型実効リカレント接続の動的変調がロバストなゴールダイナミクスをサポートすることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The prefrontal cortex (PFC) maintains goal information for action planning, but how recurrent circuits preserve it in an action-usable form over behavioral timescales remains unclear. Here we ask whether short-term synaptic plasticity (STP) can stabilize goal information as action-usable, goal-conditioned dynamics. We incorporated STP into a PFC-inspired reservoir computing model with basal-ganglia-inspired temporal-difference readout learning, and evaluated paired models with and without STP across 100 independently generated networks in a multistep goal-directed action-selection task with delayed execution. Goal identity was highly decodable during the delay even without STP, so STP was not required to form a linearly readable goal representation. Under state noise, however, success without STP fell from 75.8% to 49.5%, whereas the model with STP remained essentially unchanged (91.8% without noise versus 89.2% under noise; paired Cohen's dz=1.31). Time-resolved decoding, state-space separability, and action-value-difference analyses showed that STP preserved goal information as action-relevant goal-conditioned dynamics available at later action opportunities. Gain-matched and STP-state perturbation controls argued against a simple fixed recurrent-scaling explanation and supported online, history-dependent synaptic modulation. Effective-connectivity analyses showed delay-period goal-specific patterning that increased toward the later part of the trial with STP, where it should be read as goal- and task-state-conditioned patterning; effective connectivity without STP was time-invariant. A grid search identified a facilitation-dominant range of STP time constants associated with high success rates. These results suggest that STP supports robust goal-conditioned dynamics through dynamic modulation of goal-dependent effective recurrent connectivity.
• Abstract（参考訳）: 前頭前皮質 (PFC) は行動計画のための目標情報を保持しているが、リカレント回路が行動時間スケールよりもアクション使用可能な形でどのように保持するかははっきりしない。 ここでは、短期シナプス可塑性(STP)が目標情報を動作可能なゴール条件力学として安定化できるかどうかを問う。 本研究では,ベーサル・ガングリアにインスパイアされた時間差読み出し学習を用いたPFC型貯水池計算モデルにSTPを組み込んだ。 ゴールの同一性は、STPなしでも遅延時に非常に低下し、STPは線形可読なゴール表現を形成する必要はなかった。 しかし、国家の騒音の下では、STPなしの成功率は75.8%から49.5%に低下したが、STP付きモデルは基本的に変化しなかった(91.8%はノイズなし、89.2%はノイズ下で、Cohenのdz=1.31はペア)。 時間分解復号、状態空間分離性、行動値差解析により、STPは、後の行動機会で利用可能な行動関連目標条件力学としてゴール情報を保存した。 ゲイン整合およびSTP状態摂動制御は、単純な固定された繰り返しスケーリングの説明に反対し、オンラインの履歴依存のシナプス変調をサポートした。 実効接続性分析の結果,STPの試験の後半では遅延周期の目標固有パターンが増加し,目標条件とタスク状態条件のパターンとして読み取るべきであった。 グリッド探索では、高い成功率に関連するSTP時間定数のファシリテーション支配範囲を特定した。 これらの結果から,STPは目標に依存した実効的リカレント接続を動的に変調することで,ロバストな目標条件のダイナミクスをサポートすることが示唆された。

関連論文リスト

• PEFT-Arena: Understanding Parameter-Efficient Finetuning from a Stability-Plasticity Perspective [52.693471818837395]
  PEFTは安定性・塑性ジレンマにより評価されるべきである。 本稿では,下流性能と一般能力の維持を計測するベンチマークPEFT-Arenaを紹介する。 そこで本研究では,パスワイド巻き戻しによるポストホック改善の事例研究を行った。
  論文  参考訳（メタデータ） (2026-05-27T17:59:51Z)
• Congestion-Aware Dynamic Axonal Delay for Spiking Neural Networks [11.139375968984156]
  スパイキングニューラルネットワーク(SNN)は、時間的およびイベント駆動の情報モデリングと処理のためのエネルギー効率のパラダイムとして広く見なされている。 本稿では,時間的構造化のためのチャネル単位の静的ベース遅延に遅延を分解するCADAD機構を提案する。 Spiking Heidelbergデータセットを含む音声ベンチマークの実験では、シナプス信号伝達における混雑を考慮した遅延が時間的タスクの精度を効果的に向上することを示した。
  論文  参考訳（メタデータ） (2026-05-02T07:00:54Z)
• PI-TTA: Physics-Informed Source-Free Test-Time Adaptation for Robust Human Activity Recognition on Mobile Devices [14.981641027538387]
  ソースフリーテストタイム適応(TTA)は、プライベートデータを集中化せずにデバイス上でのパーソナライズを可能にするため、モバイルおよびウェアラブルセンシングにアピールしている。 本稿では,3つの物理制約によるオンライン更新を安定化する軽量なソースフリー適応フレームワークPI-TTAを提案する。
  論文  参考訳（メタデータ） (2026-04-28T09:44:01Z)
• When Sensors Fail: Temporal Sequence Models for Robust PPO under Sensor Drift [64.37959940809633]
  時間的持続的なセンサ故障下でのPPOのロバスト性について検討する。 トランスフォーマーを用いたシーケンスポリシーは, センサ数が少ない場合でも高いリターンを保ちながら, 堅牢性, RNN, SSMよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2026-03-04T22:21:54Z)
• Efficient and Stable Reinforcement Learning for Diffusion Language Models [59.75789436018925]
  拡散型大規模言語モデル(dLLM)の複雑な推論能力を解き放つには強化学習(RL)が不可欠である dLLMの適用は、効率と安定性において、ユニークな課題に直面します。 本稿では,dLLMに対するRLの効率性と安定性を同時に向上するフレームワークであるスポース・テンポラル・プルーニング(STP)を提案する。
  論文  参考訳（メタデータ） (2026-02-09T17:04:23Z)
• SPGrasp: Spatiotemporal Prompt-driven Grasp Synthesis in Dynamic Scenes [9.743012211664574]
  本研究では,ビデオストリームのグリップ推定のためのモデル v2SAMv2 を拡張した新しいフレームワーク SPGrasp を提案する。 我々のコアはユーザプロンプトをコンテキストと統合し、エンド・ツー・エンドの動的オブジェクトとのリアルタイムインタラクションを可能にします。 継続的なトラッキング下での挑戦的なGraspNet-1Billionデータセットでは、SPGraspはフレーム毎の73.1ミリ秒のレイテンシで92.0%の精度を実現している。
  論文  参考訳（メタデータ） (2025-08-28T08:38:50Z)
• Towards Stabilized and Efficient Diffusion Transformers through Long-Skip-Connections with Spectral Constraints [51.83081671798784]
  Diffusion Transformers (DiT) は、画像およびビデオ生成のための強力なアーキテクチャとして登場し、優れた品質とスケーラビリティを提供している。 DiTの実用アプリケーションは本質的に動的特徴不安定性に悩まされており、キャッシュされた推論中にエラーを増幅する。 我々は,Long-Skip-Connections (LSCs) で拡張された画像およびビデオ生成型DiTであるSkip-DiTを提案する。
  論文  参考訳（メタデータ） (2024-11-26T17:28:10Z)
• Learn to cycle: Time-consistent feature discovery for action recognition [83.43682368129072]
  時間的変動を一般化することは、ビデオにおける効果的な行動認識の前提条件である。 Squeeze Re Temporal Gates (SRTG) を導入する。 SRTPGブロックを使用する場合,GFLOの数は最小限に抑えられ,一貫した改善が見られた。
  論文  参考訳（メタデータ） (2020-06-15T09:36:28Z)
• Toward fast and accurate human pose estimation via soft-gated skip connections [97.06882200076096]
  本稿では,高精度かつ高効率な人間のポーズ推定について述べる。 我々は、最先端技術よりも精度と効率を両立させる文脈において、この設計選択を再分析する。 本モデルでは,MPII と LSP のデータセットから最先端の結果が得られる。
  論文  参考訳（メタデータ） (2020-02-25T18:51:51Z)

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。