論文の概要: A neural-astrocyte architecture implements a hybrid automaton for evidence accumulation
- arxiv url: http://arxiv.org/abs/2609.16217v1
- Date: Mon, 14 Sep 2026 18:49:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.180881
- Title: A neural-astrocyte architecture implements a hybrid automaton for evidence accumulation
- Title（参考訳）: 神経-アストロサイト構造は証拠蓄積のためのハイブリッドオートマトンを実装している
- Abstract要約: アストロサイトは神経細胞以外のグリア細胞であり、神経計算における役割により広く注目を集めている。
本研究では、アストロサイトが強化学習環境において、ニューラルネットワークが文脈を推測する能力を増強するメカニズムについて検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Astrocytes are non-neuronal glial cells that are receiving widespread attention due to their emerging role in neural computation. In this paper, we propose and study dynamical mechanisms by which astrocytes may augment the ability of neural networks to infer context in reinforcement learning (RL) settings. We construct a biologically inspired, two-level dynamical neural-astrocyte network with distinct spatial and temporal organization. We train this model on a hierarchical multi-context task that requires the agent to infer changes in latent task rules based on derived rewards. We find that in this setting, astrocytes enable evidence accumulation of changes in context and subsequent context-specific modulation of neural dynamics. We show that these functions are implemented via two dynamical mechanisms: (i) reward-induced bifurcations that relocate an asymptotically stable attractor into different, context-specific regions of state space, and (ii) the relative shallowness of these attractors, mediated by the entropy of the environment, giving rise to behavioral stickiness. Together, these mechanisms amount to a hybrid automaton, in which uncertainty accumulates until, eventually, the neural dynamics are switched to a new context. This model provides a neuro-dynamic schema, compatible with neural-astrocyte biology and prior empirical observations, for how astrocytes may integrate information from the periphery and drive contextual changes in neural circuits.
- Abstract（参考訳）: アストロサイトは神経細胞以外のグリア細胞であり、神経計算における役割により広く注目を集めている。
本稿では、アストロサイトが強化学習(RL)環境において、ニューラルネットワークが文脈を推測する能力を増強する動的なメカニズムを提案し、研究する。
生物学的にインスパイアされた2段階の動的神経-アストロサイトネットワークを構築した。
我々は,このモデルを階層型マルチコンテキストタスクで訓練し,エージェントが引き起こした報酬に基づいて潜在タスクルールの変化を推測する必要がある。
この設定では、アストロサイトは文脈の変化の証拠を蓄積し、その後の文脈特異的なニューラルダイナミクスの調節を可能にする。
これらの関数は2つの動的メカニズムによって実装されていることを示す。
一 漸近的に安定な誘引者を状態空間の異なる文脈特有な領域に移動させる報酬誘導二分岐
(II) 環境のエントロピーに媒介される誘引体の相対的な浅さは, 行動の粘着を生じさせる。
これらの機構が組み合わさってハイブリッドオートマトンとなり、不確実性が蓄積され、最終的にはニューラルダイナミクスが新しいコンテキストに切り替えられる。
このモデルは、アストロサイトが周辺からの情報をどのように統合し、神経回路の文脈変化を駆動するかを、神経-アストロサイト生物学と互換性のある神経-力学スキーマを提供する。
関連論文リスト
- Dynamic neural manifolds for flexible closed-loop control on neuromorphic hardware [0.0]
スパイキングネットワークモデルは、連続神経活動の側面と多様体幾何学の特徴を結びつける。
実時間閉ループ制御のためのSpiNNaker 2チップの実装について述べる。
論文 参考訳（メタデータ） (2026-07-08T13:05:46Z) - Neuronal Group Communication for Efficient Neural representation [85.36421257648294]
本稿では, 効率的な, モジュラー, 解釈可能な表現を学習する, 大規模ニューラルシステムの構築方法に関する問題に対処する。
本稿では、ニューラルネットワークを相互作用する神経群の動的システムとして再認識する理論駆動型フレームワークである神経グループ通信(NGC)を提案する。
NGCは、重みを埋め込みのようなニューロン状態間の過渡的な相互作用として扱い、神経計算はニューロン群間の反復的なコミュニケーションを通じて展開する。
論文 参考訳（メタデータ） (2025-10-19T14:23:35Z) - BioOSS: A Bio-Inspired Oscillatory State System with Spatio-Temporal Dynamics [6.273703979947789]
BioOSSは、ニューラル処理に不可欠な波状伝播ダイナミクスをエミュレートするように設計されている。
このモデルは減衰と伝播速度のトレーニング可能なパラメータを組み込んでおり、タスク固有の時間構造への柔軟な適応を可能にしている。
合成タスクと実世界のタスクの両方でBioOSSを評価し、代替アーキテクチャと比較して優れた性能と高い解釈性を示す。
論文 参考訳（メタデータ） (2025-10-12T20:12:33Z) - 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) - IP$^{2}$-RSNN: Bi-level Intrinsic Plasticity Enables Learning-to-learn in Recurrent Spiking Neural Networks [20.88195975299024]
2レベル内在性可塑性を有する繰り返しスパイクニューラルネットワーク(IP$2$-RSNN)を開発した。
以上の結果から,RSNNにおけるL2Lの実現には,両レベルの内在性可塑性が重要な役割を担っていることが示唆された。
論文 参考訳（メタデータ） (2025-01-24T14:45:03Z) - Synergistic pathways of modulation enable robust task packing within neural dynamics [0.0]
ニューラルダイナミクスの文脈変調の2つの形態の区別を探索するために、リカレント・ネットワーク・モデルを用いる。
我々はこれらのメカニズムの区別を、それらが引き起こす神経力学のレベルで示す。
これらの特徴は、これらのメカニズムがどのように振る舞うかの相補性と相乗性を示している。
論文 参考訳（メタデータ） (2024-08-02T15:12:01Z) - Astrocytes as a mechanism for meta-plasticity and contextually-guided
network function [2.66269503676104]
アストロサイトは、ユビキタスでエニグマティックな非神経細胞である。
アストロサイトは脳機能や神経計算においてより直接的で活発な役割を果たす。
論文 参考訳（メタデータ） (2023-11-06T20:31:01Z) - 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) - 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)
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。