Fugu-MT 論文翻訳(概要): Single-Entity Spiking Neuron Models: Survey

論文の概要: Single-Entity Spiking Neuron Models: Survey

arxiv url: http://arxiv.org/abs/2607.07429v1
Date: Wed, 08 Jul 2026 13:58:04 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-09 22:50:30.40057
Title: Single-Entity Spiking Neuron Models: Survey
Title（参考訳）: 単体スパイクニューロンモデル:サーベイ
Abstract要約: スパイキングモデルに加えて、異なる種類の離散アナログと連続アナログは、生物学的過程を正確にシミュレートすると考えられている。研究中のモデルには、神経系で遭遇するニューロンや様々なコンポーネントが含まれる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we reviewed different approaches in mathematical modeling of biologically plausible neural systems. Models are characterized and classified based on their common features and special use cases. In addition to spiking models, different types of discrete and continuous analogs are considered to accurately simulate biological processes, including membrane potential dynamics. The models under investigation include neurons and various components encountered in neural systems and affected the dynamics. The selection of specific approaches was driven by their prevalence and innovative perspectives in order to enhance the relevance of the presented information.
Abstract（参考訳）: 本研究は,生物学的に妥当なニューラルネットワークの数学的モデリングにおける様々なアプローチを概説する。モデルは、共通の特徴と特殊なユースケースに基づいて特徴付け、分類される。スパイキングモデルに加えて、異なる種類の離散アナログと連続アナログは、膜電位ダイナミクスを含む生物学的過程を正確にシミュレートすると考えられている。研究中のモデルには、ニューロンや神経系で遭遇し、ダイナミクスに影響を及ぼす様々なコンポーネントが含まれる。特定のアプローチの選択は、提示された情報の関連性を高めるために、その有病率と革新的な視点によって進められた。

関連論文リスト

Learning dynamical systems with biochemically informed neural ordinary differential equations [0.0]
本稿では,ニューラルネットワークによる個々のプロセスの表現をしながら,メカニスティックモデルの確率的構造を保持するニューラル-ODEフレームワークを提案する。 BINODEでは、ニューラルネットワークプロセス(NNP)の出力は、統計量行列に類似した線形層を通して状態微分にマッピングされる。 BINODEは、部分的に知られている生化学的・生物学的力学系をモデル化する上で、機械的解釈可能性とデータ駆動の柔軟性の間に有用な妥協をもたらすことを示す。
論文参考訳（メタデータ） (2026-05-22T19:43:41Z)
Spiking Neural Models for Decision-Making Tasks with Learning [0.29998889086656577]
本稿では,学習機構を組み込んだ意思決定のための生物学的に妥当なスパイキングニューラルネットワーク(SNN)モデルを提案する。この研究は、生物学的に関連する神経機構を認知モデルに統合するための重要なステップを提供する。
論文参考訳（メタデータ） (2025-06-10T09:19:40Z)
NOBLE -- Neural Operator with Biologically-informed Latent Embeddings to Capture Experimental Variability in Biological Neuron Models [63.592664795493725]
NOBLEは、解釈可能なニューロンの特徴を連続周波数変調した埋め込みから電流注入によって誘導されるソマティック電圧応答へのマッピングを学ぶ神経オペレーターフレームワークである。内在的な実験変数を考慮したニューラルダイナミクスの分布を予測する。 NOBLEは、その一般化を実際の実験データで検証する最初の大規模ディープラーニングフレームワークである。
論文参考訳（メタデータ） (2025-06-05T01:01:18Z)
Generative Modeling of Neural Dynamics via Latent Stochastic Differential Equations [1.5467259918426441]
本稿では,生体神経系の計算モデル構築のためのフレームワークを提案する。我々は、微分ドリフトと拡散関数を持つ結合微分方程式系を用いる。これらのハイブリッドモデルは,刺激によって誘発される神経および行動応答の予測において,競争力を発揮することを示す。
論文参考訳（メタデータ） (2024-12-01T09:36:03Z)
Range, not Independence, Drives Modularity in Biologically Inspired Representations [52.48094670415497]
我々は、生物学的にインスピレーションを受けたネットワークが、ソース変数(ソース)の表現をモジュール化する理論を開発する。我々は、最適な線形オートエンコーダのニューロンがモジュラー化するかどうかを決定するソースのサンプルに対して、必要かつ十分な条件を導出する。我々の理論はどんなデータセットにも当てはまり、以前の研究で研究された統計的な独立性よりもはるかに長い。
論文参考訳（メタデータ） (2024-10-08T17:41:37Z)
Modularity in Transformers: Investigating Neuron Separability & Specialization [0.0]
トランスフォーマーモデルは様々なアプリケーションでますます普及していますが、内部動作に対する我々の理解は限定的です。本稿では、視覚(ViT)モデルと言語(Mistral 7B)モデルの両方に着目し、トランスフォーマーアーキテクチャ内のニューロンのモジュラリティとタスクの特殊化について検討する。選択的プルーニングとMoEficationクラスタリングの組み合わせを用いて、異なるタスクやデータサブセットにわたるニューロンの重複と特殊化を分析する。
論文参考訳（メタデータ） (2024-08-30T14:35:01Z)
EINNs: Epidemiologically-Informed Neural Networks [75.34199997857341]
本稿では,疫病予測のための新しい物理インフォームドニューラルネットワークEINNを紹介する。メカニスティックモデルによって提供される理論的柔軟性と、AIモデルによって提供されるデータ駆動表現性の両方を活用する方法について検討する。
論文参考訳（メタデータ） (2022-02-21T18:59:03Z)
Identifying stimulus-driven neural activity patterns in multi-patient intracranial recordings [0.26651200086513094]
刺激駆動型神経活動パターンの同定は、認知の神経基盤を研究する上で重要である。第1章では、一般的な場合における刺激駆動型神経活動パターンの同定に関する主な課題について概説する。マルチ患者頭蓋内記録における刺激駆動型神経活動パターンの同定とモデル化には,様々な物体内および物体間アプローチを検討する。
論文参考訳（メタデータ） (2022-02-04T01:29:57Z)
Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文参考訳（メタデータ） (2021-11-02T10:51:42Z)
Continuous Learning and Adaptation with Membrane Potential and Activation Threshold Homeostasis [91.3755431537592]
本稿では,MPATH(Membrane Potential and Activation Threshold Homeostasis)ニューロンモデルを提案する。このモデルにより、ニューロンは入力が提示されたときに自動的に活性を調節することで動的平衡の形式を維持することができる。実験は、モデルがその入力から適応し、継続的に学習する能力を示す。
論文参考訳（メタデータ） (2021-04-22T04:01:32Z)
The Neural Coding Framework for Learning Generative Models [91.0357317238509]
本稿では,脳の予測処理理論に触発された新しい神経生成モデルを提案する。同様に、私たちの生成モデルにおける人工ニューロンは、隣接するニューロンが何をするかを予測し、予測が現実にどの程度一致するかに基づいてパラメータを調整します。
論文参考訳（メタデータ） (2020-12-07T01:20:38Z)

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。