論文の概要: Is Newborn Wiring Special? Separating Wiring from Weight Placement in Connectome Reservoirs

• arxiv url: http://arxiv.org/abs/2611.01213v1
• Date: Sat, 31 Oct 2026 19:28:48 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:48:40.965072
• Title: Is Newborn Wiring Special? Separating Wiring from Weight Placement in Connectome Reservoirs
• Title（参考訳）: 新生児のワイヤーは特別か?コネクトーム貯水池の軽量場所からワイヤーを分離する
• Abstract要約: 貯水池コンピューティングは、トレーニングされる前に脳の配線を研究する方法を提供する。 人間のコネクトームは、ランダムにリワイヤルされた自身のバージョンよりも優れた性能を発揮する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Reservoir computing offers a way to study the brain's wiring before it is even trained. The recurrent network remains fixed, while only a linear readout is trained. The human connectome is found to perform better than randomly rewired versions of itself, suggesting that biological wiring is special. To understand the source of this advantage, a mathematical graph-theoretic decomposition is introduced. Rewiring a weighted network changes both the regions that are connected and the weights assigned to those connections. The observed advantage therefore combines an effect of wiring with an effect of weight placement. These effects are separated by averaging the wiring term over the null model's weight rule, as a single draw introduces about one z-unit of noise. Adult and infant connectomes are then considered separately. In adult Human Connectome Project graphs, weight placement explains most of the reported effect, leaving a small but consistent wiring effect. Across the full dHCP release, a large wiring effect is found at every measured gestational age at birth, while gestational age explains almost none of its variance. The connectomes are also compared with non-brain networks. A Watts-Strogatz graph matched in size, edge count, weights, and strength performs as well as or better than the connectome. The newborn connectome's advantage is therefore real across all measured gestational ages, but it is not unique to the brain. The same separation can be applied whenever a weighted network is compared with rewired nulls.
• Abstract（参考訳）: 貯水池コンピューティングは、トレーニングされる前に脳の配線を研究する方法を提供する。 リカレントネットワークは固定されているが、リニアリードアウトのみがトレーニングされている。 ヒトのコネクトームは、ランダムにリワイヤされた自身のバージョンよりも優れた性能を示しており、生物学的な配線は特別なものであることを示唆している。 この利点の出所を理解するために、数学的グラフ理論の分解を導入する。 重み付きネットワークをリライトすることは、接続された領域とそれらの接続に割り当てられた重みの両方を変える。 したがって、観察された利点は、配線の効果と重み付けの効果を組み合わせている。 これらの効果は、ヌルモデルの重み付け則よりも配線項を平均化することで分離される。 成人と幼児のコネクトームは別々に考慮される。 成人のヒューマン・コネクトーム・プロジェクト(Human Connectome Project)グラフでは、ウェイト・プレースメントが報告された影響のほとんどを説明し、小さなが一貫した配線効果を残している。 完全なdHCP放出全体では、出生時の妊娠年齢を計測するごとに大きな配線効果が見られ、妊娠年齢はそのばらつきをほとんど説明しない。 コネクトームは非脳ネットワークと比較される。 Watts-Strogatzグラフは、サイズ、エッジ数、重み、強度で一致し、コネクトームと同等以上の性能を発揮する。 新生児のコネクトームの利点は、すべての妊娠年齢で実際に見られるが、脳に特有のものではない。 重み付けされたネットワークと再配線されたヌルを比較すると、同じ分離が適用できる。

関連論文リスト

• Structure alone supports efficient visual computation in the Drosophila visual system [0.0]
  成人のショウジョウバエのメラノガスターコネクトームを解剖学的に忠実な眼のモデルに結合した。 視覚情報は眼モデルで入力され、コネクトームに渡され、最後にケニオンセル中心の線形デコーダから読み取られる。 このモデルは色識別、形状分類、数値識別を含むマルチタスクビジョンをサポートする。
  論文  参考訳（メタデータ） (2026-10-07T13:10:12Z)
• How much of fly walking is written in the wiring? [2.988513485175193]
  2つの独立したショウジョウバエコネクトームの脚運動系をシミュレートする。 それぞれを、その構造を徐々に保存する6つのリワイヤネットワークのファミリーと比較する。 リズムは一般的なものだが、反抗的な調整はそうではない。
  論文  参考訳（メタデータ） (2026-09-29T23:47:37Z)
• Low-power analogue neural networks with trainable nonlinear connections for continuous control [54.59241649882409]
  物理ニューラルネットワークはアナログデバイス物理を直接計算することで低消費電力の機械学習を約束する。 トレーニング可能な非線形関数を接続上に配置し、各物理接続を学習可能な計算要素とする。 その利点はタスク依存であり、物理的基盤の滑らかさから従うことが分かる。
  論文  参考訳（メタデータ） (2026-06-21T15:55:23Z)
• Partial Fusion of Neural Networks: Efficient Tradeoffs Between Ensembles and Weight Aggregation [1.9193579706947885]
  アンサンブルと重み付けを補間するネットワークの部分融合を導入する。 これを実現する直接的な方法は、ニューロンレベルの類似性に基づく既存の重み付け手法を拡張することである。 一般化プルーニングが単一ネットワークに適用された場合,部分融合と同様の利点が得られることを示す。
  論文  参考訳（メタデータ） (2026-05-21T11:36:16Z)
• Weight transport through spike timing for robust local gradients [0.5236468296934584]
  機能的ニューラルネットワークの可塑性は、しばしばコストの勾配降下として表される。 これにより、局所的な計算との整合が難しい対称性の制約が課される。 本稿では、スパイクタイミング統計を用いて、効果的な相互接続間の非対称性を抽出し、補正するスパイクベースのアライメント学習を提案する。
  論文  参考訳（メタデータ） (2025-03-04T14:05:39Z)
• Impact of white Gaussian internal noise on analog echo-state neural networks [0.0]
  本稿では、訓練されたエコー状態ネットワーク(ESN)の例を用いて、リカレントネットワークの機能に及ぼすノイズの影響について検討する。 貯水池内の騒音の伝搬は, 主に出力接続行列の統計的特性によって制御されていることを示す。 また,10～20ドル(約10～20万円)の強度を持つノイズでも,有効信号を完全に失うには十分であることを示す。
  論文  参考訳（メタデータ） (2024-05-13T11:59:20Z)
• Learning to Compose SuperWeights for Neural Parameter Allocation Search [61.078949532440724]
  提案手法は,同じ重み集合を用いて多くのネットワークに対してパラメータを生成することができることを示す。 これにより、効率的なアンサンブルや、いつでも予測できるようなタスクをサポートできます。
  論文  参考訳（メタデータ） (2023-12-03T04:20:02Z)
• Slimmable Networks for Contrastive Self-supervised Learning [69.9454691873866]
  自己教師付き学習は、大規模なモデルを事前訓練する上で大きな進歩を遂げるが、小さなモデルでは苦労する。 追加の教師を必要とせず、訓練済みの小型モデルを得るための1段階のソリューションも導入する。 スリム化可能なネットワークは、完全なネットワークと、様々なネットワークを得るために一度にトレーニングできるいくつかの重み共有サブネットワークから構成される。
  論文  参考訳（メタデータ） (2022-09-30T15:15:05Z)
• 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)
• Optimal Learning with Excitatory and Inhibitory synapses [91.3755431537592]
  相関関係の存在下でアナログ信号間の関連性を保持するという課題について検討する。 ランダムな入力および出力プロセスのパワースペクトルの観点から、典型的な学習性能を特徴付ける。
  論文  参考訳（メタデータ） (2020-05-25T18:25:54Z)

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。