論文の概要: Geometric Stability of Neural Population Codes: Regional Variation, Behavioral Relevance, and Circuit Dependence

• arxiv url: http://arxiv.org/abs/2606.29655v1
• Date: Sun, 28 Jun 2026 23:54:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 18:07:15.99946
• Title: Geometric Stability of Neural Population Codes: Regional Variation, Behavioral Relevance, and Circuit Dependence
• Title（参考訳）: ニューラルポピュレーション符号の幾何学的安定性:局所的変化、行動関連性、回路依存性
• Abstract要約: この性質、幾何学的安定性は、表現解析の独立軸を構成すると論じる。 時間的安定性と復号精度の両方から経験的に解離可能であることを示す。 結果は、ニューラルネットワークの機能的関連性、回路依存性として幾何学的安定性を確立する。
• 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: Current models of representational reliability in neural populations focus on temporal stability: whether population centroids are preserved across sessions and days. This framing leaves a fundamental question unanswered: how reliably does the pairwise distance structure among stimuli reproduce across independent observations within a session? We argue that this property, geometric stability, constitutes an independent axis of representational analysis that existing frameworks do not capture. We formalize geometric stability as the Spearman rank correlation between split-half representational dissimilarity matrices (Shesha) and show that it is empirically dissociable from both temporal stability and decoding accuracy. Across 229 area-session observations spanning 68 brain regions in a visual discrimination task (Steinmetz et al. 2019), geometric stability predicts trial-by-trial neural-behavioral coupling ($ρ= 0.18$, $p = 0.005$) while centroid drift does not ($ρ= 0.002$, $p = 0.976$). The regional hierarchy, with striatum most stable ($\bar{S} = 0.44$) and hippocampus least ($\bar{S} = 0.19$), runs roughly opposite to the temporal stability hierarchy. Directionally consistent olfactory data (Bolding \& Franks 2018) motivate an attractor network model in which recurrent excitatory coupling amplifies split-half RDM consistency by completing stimulus patterns from sparse feedforward input ($ρ= +0.64$, $p = 0.010$), providing a circuit-level account of how geometric stability emerges. These results establish geometric stability as a functionally relevant, circuit-dependent property of neural population codes, orthogonal to temporal drift measures and complementary to recent accounts of how recurrent connectivity balances representational stability with sequential dynamics in hippocampal circuits.
• Abstract（参考訳）: 神経集団における表現信頼性の現在のモデルでは、時間的安定性に焦点が当てられている。 このフレーミングは、基本的な疑問を未解決のまま残している: セッション内の独立した観察において、刺激間の対距離構造がどの程度確実に再現されるか? 我々は、この性質、幾何学的安定性は、既存のフレームワークが捉えない表現解析の独立軸を構成すると論じる。 本研究では,分割半表現差分行列(Shesha)間のスピアマン階数相関として幾何学的安定性を定式化し,時間的安定性と復号精度の両方から経験的に解離可能であることを示す。 視覚的識別タスク(Steinmetz et al 2019)において、68の脳領域にまたがる229の領域セッション観測(Steinmetz et al 2019)において、幾何学的安定性は、トライアル・バイ・トライアル・バイ・トライアル・バイ・ビヘイビア・カップリング(ρ=0.18$, $p = 0.005$)を予測し、セントロイドドリフトは(ρ=0.002$, $p = 0.976$)ではない。 ストピアトゥムが最も安定な (\bar{S} = 0.44$) と海馬の最小値 (\bar{S} = 0.19$) を持つ地域階層は、時間的安定性階層とほぼ逆である。 直接一貫した嗅覚データ(Bolding \&Franks 2018)は、幾何的安定性がどのように出現するかの回路レベルの説明を提供するスパースフィードフォワード入力(ρ = +0.64$, $p = 0.010$)からの刺激パターンを完結させることにより、繰り返し励起結合が分割半RTM一貫性を増幅するアトラクタネットワークモデルを動機付けている。 これらの結果は, 神経集団符号の関数的, 回路依存的な特性, 時間的ドリフト対策の直交性, および海馬回路の逐次的ダイナミクスと連続的な接続安定性との相補性として, 幾何的安定性を確立した。

関連論文リスト

• Scalable Policy Optimization for Networked Multi-Agent Reinforcement Learning with Continuous State-Action Spaces [16.43184149906767]
  本研究では,連続状態と行動空間を有するネットワーク決定過程における協調的強化学習のためのアルゴリズムを開発する。 各エージェントは、グラフ近傍に局所的なアクターを保持し、局所化された時間差評価批評家は、切り捨てられた作用値関数を評価する。
  論文  参考訳（メタデータ） (2026-07-20T22:41:43Z)
• Decoupling band topology from criticality in bosonic systems [0.0]
  二次ボソニックハミルトニアン (QBHs) によって記述されたシステムの臨界性の新たな理解は、長距離相関の出現と動的安定性の境界を結びつける。 バンドトポロジと境界物理学との相互作用を考察する。
  論文  参考訳（メタデータ） (2026-07-01T18:00:08Z)
• When Do Autoregressive Sequence Models Forecast Physical Wavefields? A Controlled Study on Synthetic Seismograms [43.8784307709823]
  物理信号の長距離自己回帰予測は誤差蓄積によって制限される。 物理的に構造化されたテストベッドとして,合成3成分地震計を用いて,このようなロールアウトが安定であるかどうかを問う。
  論文  参考訳（メタデータ） (2026-06-09T13:46:14Z)
• Stabilizing Streaming Video Geometry via Dynamic Feature Normalization [45.91399406203578]
  Dynamic Feature Normalization (DyFN) は、時間とともに安定な幾何を維持するために特徴統計を変調する因果リカレントモジュールである。 DyFNは最先端の時間安定性を実現し、従来のストリーミング手法よりも最大14%改善し、さらにはより重い非因果的ビデオベースラインを上回ります。
  論文  参考訳（メタデータ） (2026-05-25T00:13:15Z)
• Spontaneous symmetry breaking and Goldstone modes for deep information propagation [43.66941556185932]
  物理系では、連続対称性が自然に壊れるたびに、この系はゴールドストーンモードと呼ばれる励起を持つ。 本研究では,内部層が連続対称性の下で不変であるディープニューラルネットワークについて検討する。 解析的および実験的に、これらの自由度が、深さと繰り返しの繰り返しをまたいでコヒーレントな信号伝達を可能にすることを実証する。
  論文  参考訳（メタデータ） (2026-05-14T10:59:28Z)
• Recovering Physical Dynamics from Discrete Observations via Intrinsic Differential Consistency [12.266189649117003]
  我々は地域の監督をグローバルな構造的制約に置き換える。 この特性からの偏差が2つの目的に作用する時間条件のセカント速度場を訓練する。 トレーニング正則化器として、時間スケールで一貫して構成されるフローに仮説空間を限定する。
  論文  参考訳（メタデータ） (2026-05-08T20:24:32Z)
• The Geometric Canary: Predicting Steerability and Detecting Drift via Representational Stability [0.0]
  表現の対距離構造の整合性である幾何学的安定性は、2つの関数に対処することを示す。 教師なしの安定性は、現実のタスクを操るために完全に失敗します。 ドリフト検出に優れ、トレーニング後のアライメントでCKAよりも2倍近い幾何変化を計測する。
  論文  参考訳（メタデータ） (2026-04-20T01:24:45Z)
• Geometric Stability: The Missing Axis of Representations [0.0]
  我々は$geometric$ $stabilityを導入し、摂動下での表現幾何学の信頼性を定量化する。 7つの領域における2,463以上の構成から、安定性と類似性は実証的に非相関性を示す。 安全監視のため、安定性は機能的な幾何学的カナリアとして機能し、CKAよりも2ドル近い速度で構造的なドリフトを検出する。 モデル選択においては、安定性は転送可能性から解離し、転送最適化が生じる幾何学的税制を明らかにする。
  論文  参考訳（メタデータ） (2026-01-14T05:15:22Z)
• Noradrenergic-inspired gain modulation attenuates the stability gap in joint training [44.99833362998488]
  連続学習の研究は、安定性ギャップとして知られる新しいタスクを同化する際に、マスターされたタスクのパフォーマンスが過度に低下することを発見した。 タスク境界における迅速な適応と堅牢な保持のバランスの不均衡を反映していると我々は主張する。 結節性好中球を介するノルアドレナリン系バーストに着想を得て,不確実性変調ゲインダイナミクスを提案する。
  論文  参考訳（メタデータ） (2025-07-18T16:34:06Z)
• Machine learning in and out of equilibrium [58.88325379746631]
  我々の研究は、統計物理学から適応したフォッカー・プランク法を用いて、これらの平行線を探索する。 我々は特に、従来のSGDでは平衡が切れている長期的限界におけるシステムの定常状態に焦点を当てる。 本稿では,ミニバッチの置き換えを伴わない新しいランゲヴィンダイナミクス(SGLD)を提案する。
  論文  参考訳（メタデータ） (2023-06-06T09:12:49Z)
• Numerically Stable Sparse Gaussian Processes via Minimum Separation using Cover Trees [57.67528738886731]
  誘導点に基づくスケーラブルスパース近似の数値安定性について検討する。 地理空間モデリングなどの低次元タスクに対しては,これらの条件を満たす点を自動計算する手法を提案する。
  論文  参考訳（メタデータ） (2022-10-14T15:20:17Z)
• Predicting the Stability of Hierarchical Triple Systems with Convolutional Neural Networks [68.8204255655161]
  本稿では,階層型三重項の安定性を予測する畳み込みニューラルネットワークモデルを提案する。 すべてのトレーニングされたモデルは公開されており、純粋な$N$-bodyメソッドよりも200ドルの速さで階層的な3重システムの安定性を予測することができる。
  論文  参考訳（メタデータ） (2022-06-24T17:58:13Z)
• Stable and consistent density-based clustering via multiparameter persistence [49.1574468325115]
  トポロジカルデータ解析による次数-リップス構成について考察する。 我々は,入力データの摂動に対する安定性を,通信間距離を用いて解析する。 私たちはこれらのメソッドを、Persistableと呼ばれる密度ベースのクラスタリングのためのパイプラインに統合します。
  論文  参考訳（メタデータ） (2020-05-18T19:45:04Z)

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。