論文の概要: Axonal delay dispersion decides whether a neuron detects an event or a sequence, and predicts cortical column diameter

• arxiv url: http://arxiv.org/abs/2609.04195v1
• Date: Thu, 03 Sep 2026 17:59:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.201179
• Title: Axonal delay dispersion decides whether a neuron detects an event or a sequence, and predicts cortical column diameter
• Title（参考訳）: 軸索遅延分散は、ニューロンが事象またはシーケンスを検出し、皮質柱径を予測する
• Abstract要約: ニューロンが検出する時間的特徴の種類を決定するものについては、まだ検討されていない。 本稿では,樹枝上に収束する軸索伝導遅延が物理鍵を構成する遅延信号フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.9883261192383612
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cortical neurons fire sparsely -- often fewer than one spike per sensory window -- making rate coding insufficient and temporal coding a necessity. That conduction delays convert firing order into synchrony is long established. What governs which class of temporal feature a neuron detects -- one volley of coincident input, or two in a particular order -- has not been examined. We propose a delay-signature framework in which the axonal conduction delays converging on a dendritic branch constitute a physical key: only input sequences whose spike-time differences the delays compensate arrive synchronously, and coincidence detection, via calcium plateau thresholds, converts that synchrony into an all-or-none output. In simulations of an integrator-neuron model we report three results. First, a single physical scalar -- the dispersion of the delay set -- moves a population from event detection to order-selective sequence detection. The transition is emergent under random delays and connectivity: at narrow dispersion sequence detectors do not exist, and the dispersion at which they overtake event detectors tracks the inter-event interval with a slope statistically indistinguishable from one. This maps a computational distinction onto the anatomical one between myelinated and unmyelinated projections, making myelination a switch on what a neuron computes, not only a regulator of speed. Second, the same dispersion sets the code's limits: it bounds the longest codable interval and fixes an absolute timing tolerance of about a millisecond, with slowing better tolerated than speeding. Third, that millisecond window and horizontal conduction velocity together predict cortical column diameter, and the two areas with direct measurements fall where the relation puts them. One anatomically measurable parameter thus sets what a neuron detects and the limits of what it can represent.
• Abstract（参考訳）: 皮質ニューロンは、感覚窓1つあたりのスパイクが1つ未満である場合が少なく、コーディングが不十分で時間的コーディングが不可欠である。 この導電遅延は、焼成順序を同期に変換することが長く確立されている。 ニューロンが検出する時間的特徴のどのクラス、すなわち1つの一致した入力、または2つの特定の順序で検出するかは、まだ検討されていない。 本稿では,樹状枝に収束する軸索伝導遅延が物理鍵を構成する遅延符号フレームワークを提案する。 積分子-ニューロンモデルのシミュレーションでは、3つの結果が報告される。 まず、遅延セットの分散である単一の物理的スカラーが、イベント検出から順序選択シーケンス検出に人口を移動させる。 遷移はランダムな遅延と接続の下で発生し、狭い分散配列検出器は存在せず、イベント検出器に取って代わられる分散は、統計的に区別できない勾配でイベント間間隔を追跡する。 これは、計算上の区別をミエリン化射影と非ミエリン化射影の解剖学的区別にマッピングし、ミエリン化はニューロンが計算するもののスイッチとなり、速度の規制に留まらない。 第二に、同じ分散はコードの限界を定め、最長の符号化可能なインターバルを束縛し、絶対時間耐性を約1ミリ秒で固定する。 第3に、ミリ秒の窓と水平方向の伝導速度を合わせて、皮質柱の直径を予測する。 ある解剖学的に測定可能なパラメータは、ニューロンが検出するものと、それが表現できるものの限界を設定する。

関連論文リスト

• ProgFormer: Hierarchical Voxel Diffusion Transformer for Longitudinal Brain MRI Prediction [81.07048249760953]
  縦方向の変化は、しばしば微妙で、特定の解剖学的領域に限られる。 ほとんどの被験者固有の脳構造は、時間とともに安定している。 ProgFormerは、縦型脳MRI予測のための階層型ボクセル空間拡散変換器である。
  論文  参考訳（メタデータ） (2026-07-30T00:13:42Z)
• Controlling Waiting Time Statistics in Monitored Collective Spins: Mitigating Detector's Resolution Barrier in Measurement-Induced Phase Transitions [45.88028371034407]
  初期状態の不均一性は、量子ジャンプ間の待ち時間統計を制御できる。 測定誘起相転移は不均一な条件下で持続することがわかった。
  論文  参考訳（メタデータ） (2026-07-01T18:00:05Z)
• Soliton-like Waves in a Two-Dimensional Recurrent Spiking Neural Network with Weighted Spike-Timing-Dependent Plasticity [0.0]
  我々は、離散時間で作動する最小限の生物学的に妥当なスパイキングニューロンモデルを構築した。 ネットワークは、散逸性ソリトンの性質を持つ安定した自己伝播波パケットを自然に生み出す。
  論文  参考訳（メタデータ） (2026-06-19T13:47:27Z)
• Surprised by Attention: Predictable Query Dynamics for Time Series Anomaly Detection [1.7751300245073598]
  AxonADは、マルチヘッドアテンションクエリの進化を短い水平方向予測可能なプロセスとして扱う教師なし検出器である。 テール集約型クエリミスマッチスコアは、最近のタイムステップで予測されたクエリとターゲットクエリの相違を測定する。 インターバルアノテーションを用いた車内テレメトリでは、AxonADは強力なベースライン上でのランキング品質と時間的ローカライゼーションを改善している。
  論文  参考訳（メタデータ） (2026-03-13T11:40:51Z)
• Exploiting heterogeneous delays for efficient computation in low-bit neural networks [8.489639265804822]
  本研究では,タスク関連情報が時間領域にコンテキスト的に置かれている状況において,遅延の不均一性を活用可能であることを示す。 遅延の不均一性は、時間的に複雑なニューロモルフィック問題に対する最先端のパフォーマンスを実現する。 遅延や時間制約がいかに適応的にトレードオフされるかを示し、タスク性能がタスクに適した遅延分布に依存することをアブレーションを通じて明らかにする。
  論文  参考訳（メタデータ） (2025-10-31T12:41:44Z)
• DelGrad: Exact event-based gradients for training delays and weights on spiking neuromorphic hardware [1.5226147562426895]
  スパイキングニューラルネットワーク(SNN)は本質的には情報表現と処理のための信号のタイミングに依存している。 我々は,シナプス重みと遅延の両方について,正確な損失勾配を計算するイベントベース手法であるDelGradを提案する。 ノイズの多い混合信号ハードウェア上でSNNに遅延を追加する際のメモリ効率と精度の利点を実験的に示す。
  論文  参考訳（メタデータ） (2024-04-30T00:02:34Z)
• Correlation-aware Spatial-Temporal Graph Learning for Multivariate Time-series Anomaly Detection [67.60791405198063]
  時系列異常検出のための相関対応時空間グラフ学習(CST-GL)を提案する。 CST-GLは、多変量時系列相関学習モジュールを介してペアの相関を明示的にキャプチャする。 新規な異常スコアリング成分をCST-GLにさらに統合し、純粋に教師なしの方法で異常の度合いを推定する。
  論文  参考訳（メタデータ） (2023-07-17T11:04:27Z)
• Correlating sparse sensing for large-scale traffic speed estimation: A Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
  本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。 次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2022-10-21T07:25:57Z)
• E-detectors: a nonparametric framework for sequential change detection [86.15115654324488]
  逐次的変化検出のための基本的かつ汎用的なフレームワークを開発する。 私たちの手順は、平均走行距離のクリーンで無症状な境界が伴います。 統計的および計算効率の両方を達成するために,これらの混合物を設計する方法を示す。
  論文  参考訳（メタデータ） (2022-03-07T17:25:02Z)
• Astrocytes mediate analogous memory in a multi-layer neuron-astrocytic network [52.77024349608834]
  情報の一部が数秒間堅牢な活動パターンとして維持され、他の刺激が来なければ完全に消滅することを示す。 この種の短期記憶は、操作情報を数秒保存し、次のパターンとの重複を避けるために完全に忘れてしまう。 任意のパターンをロードし、一定の間隔で保存し、適切な手掛かりパターンを入力に適用した場合に検索する方法について示す。
  論文  参考訳（メタデータ） (2021-08-31T16:13:15Z)
• ACE: A Novel Approach for the Statistical Analysis of Pairwise Connectivity [0.0]
  本稿では, スパイクイベント(ACE)における接続性解析のための統計的アプローチを提案する。 ACEはソースとターゲットニューロンの任意のペアを計算し、その後のソースとターゲットのスパイク間の遅延を計算します。 PearsonのChi-squaredテスト統計に基づいてペア接続を推定する。
  論文  参考訳（メタデータ） (2021-08-09T18:27:52Z)
• Bandit Quickest Changepoint Detection [55.855465482260165]
  すべてのセンサの継続的な監視は、リソースの制約のためにコストがかかる可能性がある。 有限パラメータ化確率分布の一般クラスに対する検出遅延に基づく情報理論の下界を導出する。 本稿では,異なる検知オプションの探索と質問行動の活用をシームレスに両立させる,計算効率のよいオンラインセンシング手法を提案する。
  論文  参考訳（メタデータ） (2021-07-22T07:25:35Z)
• Spatiotemporal Spike-Pattern Selectivity in Single Mixed-Signal Neurons with Balanced Synapses [0.27998963147546135]
  混合信号ニューロモルフィックプロセッサは推論と学習に使用できる。 ネットワーク層の実装に不均一なシナプス回路をいかに利用できるかを示す。
  論文  参考訳（メタデータ） (2021-06-10T12:04:03Z)

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。