論文の概要: A Drosophila Whole-Connectome Network Can Learn Human-Designed Cognitive Tasks

• arxiv url: http://arxiv.org/abs/2610.10014v1
• Date: Wed, 07 Oct 2026 13:04:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.916109
• Title: A Drosophila Whole-Connectome Network Can Learn Human-Designed Cognitive Tasks
• Title（参考訳）: ショウジョウバエのコネクトームネットワークは、人間によって設計された認知課題を学習できる
• Abstract要約: 人工ネットワークの固定的再帰的トポロジーとして,成人雄ショウジョウバエ標本から再構成したMaleCNS v1.0 コネクトームを用いた。 固定された100ワード辞書から構築した有界付加モデルと制御された接地関係言語タスクを学習する。
• 参考スコア（独自算出の注目度）: 7.228693589029767
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Can a biological wiring diagram serve as a useful computational substrate beyond the behaviors for which it evolved? We use the publicly released MaleCNS v1.0 connectome, reconstructed from a single adult male Drosophila specimen, as the fixed recurrent topology of an artificial network. We train separate models for bounded addition and for a controlled grounded relational language task built from a fixed 100-word lexicon. In both models, one scalar is learned per anatomical edge. The anatomical graph reaches 92.77% mean accuracy on held-out addition, compared with 67.93% for directed degree-preserving rewires. On the strict paired language endpoint, which matches original and order-reversed scenes to their corresponding descriptions, it reaches 61.59% across four fixed interfaces, compared with 44.17% for matched rewires. At the canonical interface, it ranks first in a fixed 21-graph comparison. On the matched 48-group intervention subset, shuffling task-defined sensory features reduces its score from 60.94% to 19.27%. Together, these results show that higher-order MaleCNS wiring provides a reusable inductive bias for bounded addition and grounded relational language.
• Abstract（参考訳）: 生物学的な配線図は、それが進化した振る舞いを超えて有用な計算基板として機能するか? 人工ネットワークの固定的再帰的トポロジーとして,成人雄ショウジョウバエ標本から再構成したMaleCNS v1.0 コネクトームを用いた。 固定された100ワード辞書から構築した有界付加モデルと制御された接地関係言語タスクを学習する。 どちらのモデルでも、1つのスカラーは解剖学的エッジごとに学習される。 解剖学的グラフは92.77%の精度で保持されている。 元のシーンと順序が逆転したシーンと対応する記述とを合わせる厳密なペア言語エンドポイントでは、4つの固定インターフェースで61.59%に達し、マッチしたリワイヤでは44.17%である。 標準インターフェイスでは、固定された21グラフの比較で第1位である。 一致した48グループ介入サブセットでは、シャッフル機能によって60.94%から19.27%に低下する。 これらの結果から,高次MaleCNS配線は有界加法および接地関係言語に対して再利用可能な帰納バイアスを与えることが示された。

関連論文リスト

• World Requirement Model: Learning Requirement-Change Consequences from Typed Artifact Graphs [31.60344882359958]
  我々は、このエンジニアリングコンテキストを型付きアーティファクトグラフとしてエンコードし、共有アーティファクト識別子における結果を予測する世界要求モデル(WRM)を提案する。 WRMは、ハッシュテキスト多層パーセプトロンに対して0.724対0.623の衝撃平均精度(MAP)を得る。 WRMは、アーティファクトに適応した世界モデルの定式化、文脈的結果のスコアリングの比較証拠、および要求世界予測を評価するための明示的な条件に貢献している。
  論文  参考訳（メタデータ） (2026-10-03T11:16:57Z)
• Small Foundation Models of Human Cognition and Behaviour [45.88028371034407]
  135Mから14Bパラメータの14モデルを、Psych-101の4つのアーキテクチャファミリでトレーニングしています。 Psych-101は160の実験から1070万の試行レベルの選択のデータセットである。 認知的に微調整された小さなモデルは、心理的実験のためのノイズ天井推定器として有望であることを示す。
  論文  参考訳（メタデータ） (2026-08-05T11:34:20Z)
• Topological Data Analysis and Graph-Theoretic Approaches for Tennis Match Prediction [67.45502291821956]
  本稿では, トポロジカルデータ解析とグラフ理論を用いて, テニスの試合結果を予測する2つの手法を提案する。 最初の方法はプレイヤーの競争ネットワークに低星フィルターを適用し、永続的ホモロジーを通して位相的特徴を抽出する。 第2の方法は、時間的エッジ重み付けを施したKatz類似度指数を用いて、保持試験データに対して62.48%の精度を達成している。
  論文  参考訳（メタデータ） (2026-07-26T07:18:43Z)
• Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
  PointArena 2026は77.2%の精度でベンチマークで2位である。 ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。 次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
  論文  参考訳（メタデータ） (2026-06-29T06:39:03Z)
• Hierarchical Attention-based Graph Neural Network with Relevance-driven Pruning [0.0]
  グラフニューラルネットワーク(GNN)は、リレーショナル推論において優れているが、2つの永続的な課題に直面している。 本稿では,階層型アテンションに基づくヘテロジニアスGNN(HA-HeteroGNN)を提案する。 2層アテンション機構は16ノードタイプと18エッジタイプにまたがるセンサレベルとコンテキストレベルの勾配を分離し、アテンションベースGNN Explainerを介してノード単位のレバレンススコアを生成する
  論文  参考訳（メタデータ） (2026-05-10T04:05:36Z)
• Relational Preference Encoding in Looped Transformer Internal States [0.0]
  ループ変換器は内部の反復状態においてどのように人間の嗜好を符号化するかを検討する。 繰り返し洗練された2.6Bパラメータループ変換器であるOuro-2.6B-Thinkingを用いて,各ループ繰り返しから隠れた状態を抽出する。 我々は、HH-RLHFデータセット上で人間の嗜好を予測するために軽量評価器ヘッドを訓練する。 我々のペアワイズ評価器は8,552個の未確認例に対して95.2%の精度を達成し、ベースモデルは完全に凍結されている間に全バッチのL-BFGSプローブ(84.5%)を上回った。
  論文  参考訳（メタデータ） (2026-04-10T20:00:49Z)
• Causal Circuit Tracing Reveals Distinct Computational Architectures in Single-Cell Foundation Models: Inhibitory Dominance, Biological Coherence, and Cross-Model Convergence [0.0]
  SAE特徴と下流応答を損なうことで因果回路をトレースする手法を提案する。 我々はGeneformer V2-316M と scGPT に4つの条件で適用した。
  論文  参考訳（メタデータ） (2026-03-02T11:21:44Z)
• AGNES: Adaptive Graph Neural Network and Dynamic Programming Hybrid Framework for Real-Time Nanopore Seed Chaining [0.0]
  ナノ孔シークエンシングにより、リアルタイムの長読DNAシークエンシングが可能で、読み取りは10キロ塩基を超える。 12～15パーセントの固有エラー率は、リードアライメントにおいて重要な計算上の課題を提示する。 本稿では,グラフニューラルネットワークと古典動的プログラミングを組み合わせた適応型シードチェインのためのハイブリッドフレームワークRawHash3を提案する。
  論文  参考訳（メタデータ） (2025-10-15T08:05:43Z)
• Multilabel 12-Lead Electrocardiogram Classification Using Gradient Boosting Tree Ensemble [64.29529357862955]
  我々は,心電図の診断を分類するために,形態や信号処理機能に適合した勾配強化木のアンサンブルを用いたアルゴリズムを構築した。 各リードについて、心拍変動、PQRSTテンプレート形状、全信号波形から特徴を導出する。 各クラスに属するECGインスタンスの確率を予測するため、全12項目の特徴と合わせて、勾配を増す決定ツリーの集合に適合する。
  論文  参考訳（メタデータ） (2020-10-21T18:11:36Z)

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。