論文の概要: Neural Logic, Invariance, and the Retina---McCulloch and Pitts

• arxiv url: http://arxiv.org/abs/2609.02183v1
• Date: Wed, 02 Sep 2026 06:47:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.123042
• Title: Neural Logic, Invariance, and the Retina---McCulloch and Pitts
• Title（参考訳）: ニューラル論理, 不変性, 網膜--McCulloch と Pitts
• Abstract要約: この章は、神経計算の物理としてマカロック・ピットプログラムを再構築する。 1943年の論理計算は両方向に展開されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This chapter reconstructs the McCulloch-Pitts program as a physics of neural computation rather than the familiar cartoon of a binary neuron. The 1943 logical calculus is developed in both directions: given a net, characterize the propositions realized by its activity; given an admissible logical expression, construct a net that realizes it. We recover the original distinction between thresholded excitatory summation and absolute inhibitory veto-one the weighted-threshold form cannot preserve for arbitrarily large excitatory inputs-and read unit-time delay as the physical realization of logical depth. Recurrence is treated exactly: an autonomous, deterministic network of finitely many binary units has a finite state space, so every trajectory eventually enters a periodic orbit-a fact about finite-state dynamics, not unbounded Turing computation. A single threshold element realizes only linearly separable Boolean functions, whereas finite feedforward networks of them synthesize any Boolean function on a finite domain. We then follows McCulloch and Pitts beyond threshold logic. The 1945 heterarchy paper turns cyclic preference into an obstruction to representation by a scalar utility. The 1947 work on universals asks how a physical network can identify inputs related by nuisance transformations, developed here via group averaging and feedback canonicalization. The 1959 frog-retina study makes the adequate-stimulus question experimental, revealing parallel invariant operations before the brain proper. Spike-triggered analysis shows how a nonlinearly driven neuron can have a vanishing first-order average while second-order statistics recover its hidden selectivity: methodological failure can masquerade as physiological absence. Modern mathematical tools are used without projecting their notation onto the historical papers, and limitations of the idealization are stated explicitly.
• Abstract（参考訳）: この章は、二項ニューロンの慣れ親しんだ漫画ではなく、神経計算の物理としてマカロック・ピットプログラムを再構築する。 1943年の論理計算は、ネットが与えられたとき、その活動によって実現された命題が特徴づけられ、許容可能な論理式が与えられたとき、それを実現するネットを構成する。 我々は、論理深度を物理的に実現したとして、しきい値付き興奮和と絶対阻止ベトワンの本来の区別を復元するが、重み付き閾値形式は任意に大きな興奮入力を保存できない。 有限個の二元系からなる自律的決定論的ネットワークは有限状態空間を持つので、すべての軌道は最終的に周期軌道に入る。 単一のしきい値要素は線型分離可能なブール関数のみを実現するが、それらの有限フィードフォワードネットワークは有限領域上のブール関数を合成する。 次に、しきい値論理を超えたMcCullochとPittsをフォローします。 1945年のヘテロ構造論文は、循環的嗜好をスカラーユーティリティーによる表現を妨げるものにしている。 1947年の普遍性に関する研究は、物理的ネットワークが、グループ平均化とフィードバック正準化によって発達したニュアンス変換による入力をどうやって特定できるかを問うものである。 1959年のカエル-網膜の研究は、適切な刺激の質問を実験的に行い、脳が正常になる前に平行な不変な操作を明らかにした。 スパイクトリガー解析は、非線形に駆動されるニューロンが1階平均を消滅させる一方で、2階統計が隠れた選択性を取り戻す方法を示している。 現代数学の道具は歴史的文書に記譜を投影することなく使用され、理想化の限界は明確に述べられている。

関連論文リスト

• Fermi-Dirac machines as quantizations of neurons [51.809748057605184]
  我々はフェルミ・ディラック機械を古典ニューロンの正準量子化として再解釈する。 我々は、量子化されたニューロンの出力と勾配を評価するための効率的なハイブリッド量子古典アルゴリズムを開発した。 数値実験により、量子ハミルトニアンに基づくニューロンは古典ニューロンでは不可能な関数を学習できることが示されている。
  論文  参考訳（メタデータ） (2026-05-23T04:09:03Z)
• Debiased neural operators for estimating functionals [55.79111577184338]
  本稿では,ニューラル演算子から得られる解軌跡の定量化のための半値推定器であるDOPEを紹介する。 DOPEとは対照的に、単純なプラグイン推定は1次バイアスに悩まされる可能性がある。 そこで我々は, ニューラル作用素を関数空間間の高次元ニュアンスマッピングとして扱う新しい一段階, ニーマン直交推定器を導出した。
  論文  参考訳（メタデータ） (2026-04-21T10:02:36Z)
• On the Spatiotemporal Dynamics of Generalization in Neural Networks [0.0]
  我々は、局所的な畳み込み規則が収束するまで反復される神経細胞オートマトンを構築した。 その結果,統計的学習と論理的推論のギャップを埋めることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2026-02-02T05:11:48Z)
• Language Model Circuits Are Sparse in the Neuron Basis [50.460651620833055]
  その結果, textbfMLP ニューロンは SAE と同様の機能的基盤であることがわかった。 この作業は、追加のトレーニングコストなしで言語モデルの自動解釈可能性を向上させる。
  論文  参考訳（メタデータ） (2026-01-30T05:41:19Z)
• Neural Networks as Universal Finite-State Machines: A Constructive Deterministic Finite Automaton Theory [0.0]
  我々は、ユニバーサル有限状態マシン(N-FSM)としてフィードフォワードニューラルネットワークを確立する。 我々の結果は、有限深度ReLUとしきい値ネットワークが決定論的有限オートマトン(DFAs)を正確にシミュレートできることを証明している。 固定深度フィードフォワードネットワークは、メモリを必要とする非正規言語を認識できない。
  論文  参考訳（メタデータ） (2025-05-16T21:01:34Z)
• 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)
• Neuro-Symbolic Entropy Regularization [78.16196949641079]
  構造化予測では、目的は構造化されたオブジェクトをエンコードする多くの出力変数を共同で予測することである。 エントロピー正則化(Entropy regularization)という1つのアプローチは、決定境界が低確率領域にあるべきであることを示唆している。 我々は、モデルが有効対象を確実に予測することを奨励する損失、ニューロシンボリックエントロピー正規化を提案する。
  論文  参考訳（メタデータ） (2022-01-25T06:23:10Z)
• Nonperturbative renormalization for the neural network-QFT correspondence [0.0]
  この文脈で局所性とパワーカウンティングの概念を考察する。 Wetterich-Morris方程式を用いて非摂動的再正規化群を解析する。 我々の目的は、大きな幅の限界を超えたニューラルネットワークの振る舞いを調査するための有用なフォーマリズムを提供することである。
  論文  参考訳（メタデータ） (2021-08-03T10:36:04Z)
• The Causal Neural Connection: Expressiveness, Learnability, and Inference [125.57815987218756]
  構造因果モデル (Structuor causal model, SCM) と呼ばれるオブジェクトは、調査中のシステムのランダムな変動のメカニズムと源の集合を表す。 本稿では, 因果的階層定理 (Thm. 1, Bareinboim et al., 2020) がまだニューラルモデルに対して成り立っていることを示す。 我々はニューラル因果モデル(NCM)と呼ばれる特殊なタイプのSCMを導入し、因果推論に必要な構造的制約をエンコードする新しいタイプの帰納バイアスを定式化する。
  論文  参考訳（メタデータ） (2021-07-02T01:55:18Z)
• 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 Quantum Field Theory [0.0]
  我々は、ウィルソン有効場理論の観点から、ニューラルネットワークの理論的理解を提案する。 この対応は、多くのニューラルネットワークがガウス過程から引き出されるという事実に依存している。
  論文  参考訳（メタデータ） (2020-08-19T18:00:06Z)
• How Powerful are Shallow Neural Networks with Bandlimited Random Weights? [25.102870584507244]
  制限深度2バンドランダムニューラルネットワークの表現力について検討する。 ランダムネットは、隠れた層パラメータがランダムな帯域幅で凍結されるニューラルネットワークである。
  論文  参考訳（メタデータ） (2020-08-19T13:26:12Z)
• Logical Neural Networks [51.46602187496816]
  ニューラルネットワーク(学習)と記号論理(知識と推論)の両方の重要な特性をシームレスに提供する新しいフレームワークを提案する。 すべてのニューロンは、重み付けされた実数値論理における公式の構成要素としての意味を持ち、非常に解釈不能な非絡み合い表現をもたらす。 推論は事前に定義されたターゲット変数ではなく、オムニであり、論理的推論に対応する。
  論文  参考訳（メタデータ） (2020-06-23T16:55:45Z)

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。