論文の概要: GRAFT: Gain-Recalibrated Adapters for Transformer-Based Neural Population Activity Modeling

• arxiv url: http://arxiv.org/abs/2606.11066v1
• Date: Tue, 09 Jun 2026 16:29:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.611924
• Title: GRAFT: Gain-Recalibrated Adapters for Transformer-Based Neural Population Activity Modeling
• Title（参考訳）: GRAFT:変圧器を用いたニューラル・ポピュレーション・アクティビティ・モデリングのためのゲイン校正適応器
• Authors: Xiangsheng Ge, Yang Xie,
• Abstract要約: GRAFTはトランスフォーマーをベースとした神経集団活動モデルであり、再解析可能なニューロンインタフェースから再利用可能な時間的ダイナミクスを分離する。 ニューロンインタフェースは、記録されたニューロンが共有のバックボーンに侵入し去る方法を制御し、補助的なゲインと位置決め機構はトランスフォーマー内の神経活動モデリングをサポートする。 GRAFTはMC MazeデータセットからMC Mazeデータセットへの再分類を行い、パラメータのわずか9.21%を更新し、ターゲットデイサポートセットが制限された0.3749、0.3112、0.3152コブップに達した。
• 参考スコア（独自算出の注目度）: 0.5528214766340177
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural population activity models can recover rich temporal structure from binned spikes, but their read-in and readout layers often remain tied to a fixed set of recorded neurons. This coupling limits reuse in long-term brain-computer interfaces, where recorded neuron identities, counts, and response statistics can change across days. We introduce GRAFT, a Transformer-based neural population activity model that separates reusable temporal dynamics from a recalibratable neuron interface. The neuron interface controls how recorded neurons enter and leave the shared backbone, and auxiliary gain and positional mechanisms support neural activity modeling inside the Transformer. On MC Maze under the standard NLB'21 protocol, GRAFT reaches 0.3866 co-bps as an ensemble, setting a new state of the art on the primary co-bps metric among public and reported NLB'21 results. In a cross-day protocol constructed from the NLB'21 MC Maze dataset series, GRAFT recalibrates from MC Maze to the scaled MC Maze datasets (Large/Medium/Small) by updating only 9.21% of parameters, reaching 0.3749, 0.3112, and 0.3152 co-bps with restricted target-day support sets. These results show that the same interface-backbone separation supports both strong Transformer-based neural population activity modeling and data-efficient cross-day recalibration.
• Abstract（参考訳）: 神経集団活動モデルでは、双発スパイクから豊富な時間構造を回復することができるが、その読み込み層と読み出し層は、記録されたニューロンの固定セットに結びついていることが多い。 この結合は、記録されたニューロンのアイデンティティ、カウント、応答統計が数日にわたって変化するような、長期の脳-コンピュータインタフェースにおける再利用を制限する。 GRAFTはトランスフォーマーをベースとした神経集団活動モデルであり、再解析可能なニューロンインタフェースから再利用可能な時間的ダイナミクスを分離する。 ニューロンインタフェースは、記録されたニューロンが共有のバックボーンに侵入し去る方法を制御し、補助的なゲインと位置決め機構はトランスフォーマー内の神経活動モデリングをサポートする。 標準のNLB'21プロトコルの下でのMC Mazeでは、GRAFTは0.3866コビットをアンサンブルとして到達し、NLB'21の結果を公表した。 NLB'21 MC Mazeデータセットシリーズから構築されたクロスデイプロトコルでは、GRAFTはMC MazeデータセットをMC Mazeデータセット(Large/Medium/Small)に再分類し、パラメータのわずか9.21%を更新し、ターゲットデイサポートセットが制限された0.3749、0.3112、0.3152コブップに達した。 これらの結果から,トランスフォーマーをベースとした強力な神経集団活動モデリングと,データ効率の高い日内リカレーションの両方をサポートすることが示唆された。

関連論文リスト

• 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)
• MID-L: Matrix-Interpolated Dropout Layer with Layer-wise Neuron Selection [0.0]
  Matrix-Interpolated Dropout Layer (MID-L) は、最も情報性の高いニューロンのみを動的に選択し、活性化する。 MNIST, CIFAR-10, CIFAR-100, SVHN, UCI adult, IMDB の6つのベンチマークによる実験の結果, MID-L は活動ニューロンの55%まで減少することがわかった。
  論文  参考訳（メタデータ） (2025-05-16T16:29:19Z)
• Neuromorphic Wireless Split Computing with Multi-Level Spikes [69.73249913506042]
  ニューロモルフィックコンピューティングは、スパイキングニューラルネットワーク(SNN)を使用して推論タスクを実行する。 スパイクニューロン間で交換される各スパイクに小さなペイロードを埋め込むことで、エネルギー消費を増大させることなく推論精度を高めることができる。 分割コンピューティング — SNNを2つのデバイスに分割する — は、有望なソリューションだ。 本稿では,マルチレベルSNNを用いたニューロモルフィック無線分割コンピューティングアーキテクチャの総合的研究について述べる。
  論文  参考訳（メタデータ） (2024-11-07T14:08:35Z)
• Hybrid Spiking Neural Networks for Low-Power Intra-Cortical Brain-Machine Interfaces [42.72938925647165]
  皮質内脳-機械界面(iBMI)は麻痺患者の生活を劇的に改善する可能性がある。 現在のiBMIは、ハードウェアと配線が大きすぎるため、スケーラビリティとモビリティの制限に悩まされている。 無線iBMIにおける組込みニューラルデコーディングのためのハイブリッドスパイキングニューラルネットワークについて検討している。
  論文  参考訳（メタデータ） (2024-09-06T17:48:44Z)
• WaLiN-GUI: a graphical and auditory tool for neuron-based encoding [73.88751967207419]
  ニューロモルフィックコンピューティングはスパイクベースのエネルギー効率の高い通信に依存している。 本研究では, スパイクトレインへのサンプルベースデータの符号化に適した構成を同定するツールを開発した。 WaLiN-GUIはオープンソースとドキュメントが提供されている。
  論文  参考訳（メタデータ） (2023-10-25T20:34:08Z)
• The Expressive Leaky Memory Neuron: an Efficient and Expressive Phenomenological Neuron Model Can Solve Long-Horizon Tasks [64.08042492426992]
  本稿では,脳皮質ニューロンの生物学的モデルであるExpressive Memory(ELM)ニューロンモデルを紹介する。 ELMニューロンは、上記の入力-出力関係を1万以下のトレーニング可能なパラメータと正確に一致させることができる。 本稿では,Long Range Arena(LRA)データセットなど,時間構造を必要とするタスクで評価する。
  論文  参考訳（メタデータ） (2023-06-14T13:34:13Z)
• Controllable reset behavior in domain wall-magnetic tunnel junction artificial neurons for task-adaptable computation [1.4505273244528207]
  ドメイン壁-磁気トンネル接合(DW-MTJ)デバイスは、生物学的ニューロンの挙動を本質的に捉えることができることが示されている。 そこで本研究では,DW-MTJ人工ニューロンにおいて,3つの代替メカニズムを用いてエジラックス動作を実装可能であることを示す。
  論文  参考訳（メタデータ） (2021-01-08T16:50:29Z)
• Flexible Transmitter Network [84.90891046882213]
  現在のニューラルネットワークはMPモデルに基づいて構築されており、通常はニューロンを他のニューロンから受信した信号の実際の重み付け集約上での活性化関数の実行として定式化する。 本稿では,フレキシブル・トランスミッタ(FT)モデルを提案する。 本稿では、最も一般的な完全接続型フィードフォワードアーキテクチャ上に構築された、フレキシブルトランスミッタネットワーク(FTNet)について述べる。
  論文  参考訳（メタデータ） (2020-04-08T06:55:12Z)

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。