論文の概要: A Bio-Plausible Visual Neural Network for Locust-Inspired Collision Perception
- arxiv url: http://arxiv.org/abs/2609.10183v1
- Date: Wed, 09 Sep 2026 13:52:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:09.041763
- Title: A Bio-Plausible Visual Neural Network for Locust-Inspired Collision Perception
- Title（参考訳）: Locust-Inspired Collision Perceptionのためのバイオプロファイラブルビジュアルニューラルネットワーク
- Abstract要約: 本稿では,ロカストに触発された略奪検出のための生物学的にもっともらしいニューラルネットワークを提案する。
提案手法は,ロカスト複眼の立体構造を模倣した空間的等方性サンプリング戦略を取り入れたものである。
合成刺激, 実験室シーケンス, 実世界の運転シナリオに関する実験により, 提案モデルが難解な視覚条件下で頑健性を向上させることを示した。
- 参考スコア（独自算出の注目度）: 7.226649050728107
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Locust visual systems have long served as an important biological paradigm for studying looming perception and collision avoidance. Numerous computational models have successfully reproduced the selective responses of Lobula Giant Movement Detector (LGMD) neurons to approaching objects, thereby emulating the fundamental functionality of the biological system. However, existing models remain limited in biological plausibility and robustness when operating in complex and dynamic visual environments. To address these limitations, we propose a biologically plausible neural network for locust-inspired looming detection. The proposed framework incorporates a spatially isotropic sampling strategy that mimics the ommatidial organization of the locust compound eye, a population-voting mechanism inspired by population coding in biological neural systems, and leaky integrate-and-fire neuronal dynamics to replace conventional sigmoid-based membrane activation. Systematic experiments on synthetic stimuli, laboratory sequences, and real-world driving scenarios demonstrate that the proposed model improves robustness under challenging visual conditions while preserving computational efficiency and enhancing biological fidelity. These results highlight the potential of biologically grounded neural computation for robust and efficient collision perception.
- Abstract（参考訳）: ローカスト視覚システムは、長い間、略奪的な知覚と衝突回避を研究するための重要な生物学的パラダイムとして機能してきた。
多くの計算モデルが、接近する物体に対するロブラ・ジャイアント・ムーブメント・ディテクター(LGMD)ニューロンの選択的応答を再現し、生体システムの基本機能をエミュレートしている。
しかし、既存のモデルは、複雑な視覚環境や動的視覚環境での操作において、生物学的妥当性と堅牢性に制限されている。
これらの制約に対処するために,ロカストにインスパイアされた略奪検知のための生物学的に妥当なニューラルネットワークを提案する。
提案フレームワークは,ロカスト複合眼の全身構造を模倣する空間的等方性サンプリング戦略,生体神経系における集団コーディングに着想を得た集団投票機構,従来のシグモイド膜活性化を代替する侵入型統合・火災型神経力学を取り入れた。
合成刺激, 実験室シーケンス, 実世界の運転シナリオの体系的な実験により, 提案モデルは, 計算効率を保ちながら, 難解な視覚条件下で頑健性を向上させることを示した。
これらの結果は、堅牢で効率的な衝突知覚のための生物学的基盤を持つニューラルネットワークの可能性を強調している。
関連論文リスト
- Neuro-Inspired Visual Pattern Recognition via Biological Reservoir Computing [6.035352293182252]
In vitro培養皮質ニューロンのネットワークが物理的貯水池として機能する貯水池コンピューティングへの神経刺激型アプローチを提案する。
我々は,MNISTデータセットから,ポイントワイド刺激から指向バー,時計桁のような形状,手書き桁に至るまで,難易度を増大させる一連のタスクでシステムを評価する。
論文 参考訳（メタデータ） (2026-02-05T15:02:07Z) - A Brain-Inspired Gating Mechanism Unlocks Robust Computation in Spiking Neural Networks [5.647576619206974]
神経活動に応じて膜伝導が進化する新しいスパイクユニットであるDynamic Gated Neuron(DGN)を紹介する。
この結果から, 生物学的に妥当な動的ゲーティングが, 強靭なスパイクベースの計算の鍵となる機構であることを初めて強調した。
論文 参考訳（メタデータ） (2025-09-03T13:00:49Z) - Langevin Flows for Modeling Neural Latent Dynamics [81.81271685018284]
逐次変分自動エンコーダであるLangevinFlowを導入し、潜伏変数の時間的進化をアンダーダム化したLangevin方程式で制御する。
われわれのアプローチは、慣性、減衰、学習されたポテンシャル関数、力などの物理的事前を組み込んで、ニューラルネットワークにおける自律的および非自律的プロセスの両方を表現する。
本手法は,ロレンツ誘引器によって生成される合成神経集団に対する最先端のベースラインより優れる。
論文 参考訳（メタデータ） (2025-07-15T17:57:48Z) - 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) - Allostatic Control of Persistent States in Spiking Neural Networks for perception and computation [79.16635054977068]
本稿では,アロスタシスの概念を内部表現の制御に拡張することにより,環境に対する知覚的信念を更新するための新しいモデルを提案する。
本稿では,アトラクタネットワークにおける活動の急増を空間的数値表現として利用する数値認識の応用に焦点を当てる。
論文 参考訳（メタデータ） (2025-03-20T12:28:08Z) - Integration of Calcium Imaging Traces via Deep Generative Modeling [0.0]
スパイク推定アルゴリズムに頼らずに、カルシウムイメージング蛍光トレースから単一ニューロン表現を学習する方法を示す。
このアプローチは、バッチ効果を緩和しながら生物学的変動を保ちながら、最先端モデルよりも優れていることが判明した。
このフレームワークは、シングルニューロンダイナミクスの堅牢な可視化、クラスタリング、解釈を可能にする。
論文 参考訳（メタデータ） (2025-01-24T16:33:52Z) - Contrastive Learning in Memristor-based Neuromorphic Systems [55.11642177631929]
スパイクニューラルネットワークは、現代のバックプロパゲーションによって訓練されたディープネットワークに直面する重要な制約の多くを横取りする、ニューロンベースのモデルの重要なファミリーとなっている。
本研究では,前向き・後向き学習のニューロモルフィック形式であるコントラッシブ・シグナル依存型塑性(CSDP)の概念実証を設計し,検討する。
論文 参考訳（メタデータ） (2024-09-17T04:48:45Z) - Exploring Biologically Inspired Mechanisms of Adversarial Robustness [0.0]
我々は、勝者を持つ教師なしの局所学習モデルが全てのダイナミクスにそのような力の法則表現を学習させることを示す。
本研究の目的は, 神経表現における幾何学的特徴, スペクトル特性, 頑健性, 表現性の間の相互作用を理解することである。
論文 参考訳（メタデータ） (2024-02-05T12:06:00Z) - Neural Echos: Depthwise Convolutional Filters Replicate Biological
Receptive Fields [56.69755544814834]
哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。
生体受容の分野からインスピレーションを得る手法を提案する。
論文 参考訳（メタデータ） (2024-01-18T18:06:22Z) - Contrastive-Signal-Dependent Plasticity: Self-Supervised Learning in Spiking Neural Circuits [61.94533459151743]
この研究は、スパイキングネットワークのシナプスを調整するための神経生物学的に動機づけられたスキームを設計することの課題に対処する。
我々の実験シミュレーションは、繰り返しスパイクネットワークを訓練する際、他の生物学的に証明可能なアプローチに対して一貫した優位性を示す。
論文 参考訳（メタデータ） (2023-03-30T02:40:28Z) - Evolving spiking neuron cellular automata and networks to emulate in
vitro neuronal activity [0.0]
我々は生体内における生体ニューロンの行動パターンをエミュレートするスパイキング神経系を生産する。
我々のモデルは、ネットワーク全体の同期レベルを生成できた。
トップパフォーマンスモデルのゲノムは、生成した活動の複雑さを決定する上で、モデル内の接続の興奮性と密度が重要な役割を果たすことを示している。
論文 参考訳（メタデータ） (2021-10-15T17:55:04Z)
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。