論文の概要: Astrocyte Biocomputing: Astrocytic Contributions to Neural Network Computation
- arxiv url: http://arxiv.org/abs/2611.17532v1
- Date: Thu, 12 Nov 2026 21:35:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.263017
- Title: Astrocyte Biocomputing: Astrocytic Contributions to Neural Network Computation
- Title(参考訳): Astrocyte Biocomputing: Astrocytic Contributions to Neural Network Computation
- Abstract要約: アストロサイトは全脳細胞の約50%を占めるが、電気信号を放出しない。
ここでは、脳にインスパイアされた機械学習におけるこれらの発見の意味について考察する。
何千ものシナプスをリンクし、変調する能力に基づくモデルが同時に高速なトレーニングをもたらし、ネットワークをノイズに対してより堅牢にする。
- 参考スコア(独自算出の注目度): 0.004647081373990732
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Conductors are critical for the performance of an orchestra even though they do not emit sound. Basic research and clinical studies in the last decade are revealing that astrocytes may be the "conductors" of the "orchestra" that is the brain network: astrocytes make up approximately $50\%$ of all brain cells but do not emit electrical signals. Nevertheless, they may play critical roles in important cognitive brain functions, specifically learning, memory, and information processing. Here we consider the implications of these discoveries for brain-inspired machine learning (ML), where analogy is typically drawn between neurons and their electrical interactions. We highlight specific algorithms for two key astrocyte characteristics. The first characteristic is the ability to link to and modulate thousands of synapses simultaneously. A model based on this characteristic yields faster training and makes the network more robust to noise, providing a supervised learning algorithm that can be applied to any existing neural network. The second characteristic we focus on is that the non-electrical communication among astrocytes includes slow, rhythmic dynamics. The rhythmic sharing algorithm we developed based on this premise yields rapid anomaly detection adaptation and prevents catastrophic forgetting. Overall, we find that astrocyte-derived algorithms outperform neurocentric algorithms significantly and remediate critical weaknesses of current state-of-the-art ML models.
- Abstract(参考訳): 指揮者は、音を発しないにもかかわらずオーケストラの演奏に欠かせない。
過去10年間の基本的な研究と臨床研究は、アストロサイトが脳ネットワークである「オルチェトラ」の「伝導体」であるかもしれないことを明らかにしている。
それでも、それらは重要な認知脳機能、特に学習、記憶、情報処理において重要な役割を果たす。
ここでは、脳にインスパイアされた機械学習(ML: brain-inspired machine learning)において、これらの発見がもたらす意味について考察する。
我々は2つの重要なアストロサイト特性の特定のアルゴリズムを強調した。
最初の特徴は、何千ものシナプスを同時にリンクし、変調する能力である。
この特性に基づくモデルは、より高速なトレーニングをもたらし、ネットワークをノイズに対してより堅牢にし、既存のニューラルネットワークに適用可能な教師付き学習アルゴリズムを提供する。
2つ目の特徴は、アストロサイト間の非電気的コミュニケーションは、ゆっくりとしたリズミカルなダイナミクスを含むことである。
この前提に基づいて開発したリズミカル共有アルゴリズムは,迅速な異常検出適応を実現し,破滅的忘れを防止する。
全体として、アストロサイト由来のアルゴリズムは、神経中心のアルゴリズムを著しく上回り、現在の最先端MLモデルの致命的な弱点を再考する。
関連論文リスト
- Toward a Physics of Deep Learning and Brains [0.0]
生体脳における神経細胞の雪崩を記述するために用いられる方程式は、深部神経ネットワークにおける活動のカスケードにも適用可能であることを示す。
この理論的枠組みは、普遍的な特徴が生物学的ニューラルネットワークと人工ニューラルネットワークの両方で共有されていることを示す。
論文 参考訳(メタデータ) (2025-09-26T17:59:57Z) - Characterizing Learning in Spiking Neural Networks with Astrocyte-Like Units [0.0]
ニューラルネットワークにアストロサイト様ユニットを加えたスパイクニューラルネットワークモデルを導入する。
神経細胞とアストロサイトの組み合わせは、神経とアストロサイトのみのネットワークとは対照的に、学習を促進する上で重要である。
論文 参考訳(メタデータ) (2025-03-09T22:36:58Z) - Brain-Inspired Machine Intelligence: A Survey of
Neurobiologically-Plausible Credit Assignment [65.268245109828]
本稿では,神経生物学にインスパイアされた,あるいは動機付けられた人工ニューラルネットワークにおける信用割当を行うアルゴリズムについて検討する。
我々は、脳にインスパイアされた学習スキームを6つの一般的なファミリーにまとめ、これらを誤りのバックプロパゲーションの文脈で検討する。
本研究の成果は,神経ミメティックシステムとその構成的学習プロセスの今後の発展を促進することを目的としている。
論文 参考訳(メタデータ) (2023-12-01T05:20:57Z) - Learning with Chemical versus Electrical Synapses -- Does it Make a
Difference? [61.85704286298537]
バイオインスパイアされたニューラルネットワークは、ニューラルネットワークの理解を深め、AIシステムの最先端を改善する可能性がある。
我々は,光リアルな自律走行シミュレータを用いて自律車線維持実験を行い,その性能を種々の条件下で評価する。
論文 参考訳(メタデータ) (2023-11-21T13:07:20Z) - A Spiking Binary Neuron -- Detector of Causal Links [0.0]
因果関係認識は、学習行動、行動計画、外界ダイナミクスの推論を目的としたニューラルネットワークの基本的な操作である。
本研究は、単純なスパイク二元性ニューロンを用いた因果関係認識を実現するための新しいアプローチを提案する。
論文 参考訳(メタデータ) (2023-09-15T15:34:17Z) - Constraints on the design of neuromorphic circuits set by the properties
of neural population codes [61.15277741147157]
脳内では、情報はコード化され、伝達され、行動を伝えるために使用される。
ニューロモルフィック回路は、脳内のニューロンの集団が使用するものと互換性のある方法で情報を符号化する必要がある。
論文 参考訳(メタデータ) (2022-12-08T15:16:04Z) - POPPINS : A Population-Based Digital Spiking Neuromorphic Processor with
Integer Quadratic Integrate-and-Fire Neurons [50.591267188664666]
2つの階層構造を持つ180nmプロセス技術において,集団に基づくディジタルスパイキングニューロモルフィックプロセッサを提案する。
提案手法は,生体模倣型ニューロモルフィックシステム,低消費電力,低遅延推論処理アプリケーションの開発を可能にする。
論文 参考訳(メタデータ) (2022-01-19T09:26:34Z) - A Normative and Biologically Plausible Algorithm for Independent
Component Analysis [15.082715993594121]
信号処理では、線形ブラインド音源分離問題は独立成分分析(ICA)によってしばしば解決される。
生物学的回路のモデルとして機能するためには、ICAニューラルネットワーク(NN)は、少なくとも以下の要件を満たす必要がある。
本稿では,ニューラルアーキテクチャとシナプス学習規則の両方を含む生物学的に妥当なNNを導出するICAの目的関数を提案する。
論文 参考訳(メタデータ) (2021-11-17T01:43:42Z) - Mapping and Validating a Point Neuron Model on Intel's Neuromorphic
Hardware Loihi [77.34726150561087]
インテルの第5世代ニューロモルフィックチップ「Loihi」の可能性について検討する。
Loihiは、脳内のニューロンをエミュレートするスパイキングニューラルネットワーク(SNN)という新しいアイデアに基づいている。
Loihiは従来のシミュレーションを非常に効率的に再現し、ネットワークが大きくなるにつれて、時間とエネルギーの両方のパフォーマンスにおいて顕著にスケールする。
論文 参考訳(メタデータ) (2021-09-22T16:52:51Z) - Neuromorphic Algorithm-hardware Codesign for Temporal Pattern Learning [11.781094547718595]
複雑な空間時間パターンを学習するためにSNNを訓練できるLeaky IntegrateとFireニューロンの効率的なトレーニングアルゴリズムを導出する。
我々は,ニューロンとシナプスのメムリスタに基づくネットワークのためのCMOS回路実装を開発した。
論文 参考訳(メタデータ) (2021-04-21T18:23:31Z) - 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)
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。