文献

J-GLOBAL ID：202002217337046335   整理番号：20A0429990

自然音と自然画像のスパース構造について:類似性,差異,およびニューラル符号化に対する意味【JST・京大機械翻訳】

On the Sparse Structure of Natural Sounds and Natural Images: Similarities, Differences, and Implications for Neural Coding

著者 (5件)： Dodds Eric McVoy (Redwood Center for Theoretical Neuroscience, University of California, Berkeley, Berkeley, CA, United States) ,  Dodds Eric McVoy (Department of Physics, University of California, Berkeley, Berkeley, CA, United States) ,  DeWeese Michael Robert (Redwood Center for Theoretical Neuroscience, University of California, Berkeley, Berkeley, CA, United States) ,  DeWeese Michael Robert (Department of Physics, University of California, Berkeley, Berkeley, CA, United States) ,  DeWeese Michael Robert (Helen Wills Neuroscience Institute, University of California, Berkeley, Berkeley, CA, United States)
資料名： Frontiers in Computational Neuroscience (Web)  (Frontiers in Computational Neuroscience (Web))
巻： 13  ページ： 39  発行年： 2019年 
JST資料番号： U7036A  ISSN： 1662-5188  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 自然画像および音のスパース符号化モデルは,視覚および聴覚システムにおけるニューロンのいくつかの応答特性を予測することができた。これらのモデルの成功は,それらが捕捉する構造がある程度ドメインにわたって普遍的であることを示唆するが,この構造の側面は普遍的であり,感覚様式にわたって変化することはまだ明らかではない。これに対処するために,完全で高度に過剰なスパース符号化モデルを自然画像と音声のスペクトログラムに適合させ,これらのモデルにより学習された統計の差について報告した。自然画像におけるいくつかのタイプのスパース特徴を見出した。これらはすべて類似の近似的Laplace分布に現れるが,音声におけるスパース特徴の多くのタイプは広い範囲のスパース分布を示し,その多くは高度に非対称である。さらに,個々のスパース符号化ユニットは,音声上で訓練されたものと比較して,画像上で訓練された過剰完全モデルに対して,より高い寿命スパース性を示す傾向がある。逆に,自然画像のスパース符号化モデルと比較して,音声上で訓練されたこれらのネットワークに対して,個体群のまばらさはより大きくなる傾向がある。これらの知見と神経符号化との関連性を説明するために,各感覚モダリティにおける生物学的に妥当なスパース符号化ネットワークの表現にどのように影響するかを研究した。特に,シナプス局所可塑性規則を有するスパース符号化ネットワークは,従来のスパース符号化アルゴリズムよりも音声データから異なるスパース特徴を学習するが,学習特徴は自然画像上で訓練した場合,これらのモデルに対して定性的に同じである。Copyright 2020 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  *音響 ,  シナプス ,  ニューロン ,  個体群 ,  ネットワーク ,  非対称性 ,  塑性 ,  視覚 ,  近似法 ,  教師なし学習 ,  聴覚 ,  応答特性
準シソーラス用語： スパースコーディング ,  *自然画像 , 【Automatic Indexing@JST】

著者キーワード (7件)： 自然情景統計 ,  視覚 ,  聴覚 ,  皮質 ,  スパース符号化 ,  感覚システム ,  教師なし学習

分類 (1件)： 脳・神経系モデル  (EL02050C)

引用文献 (85件)：

• Abadi M., Agarwal A., Barham P., Brevdo E., Chen Z., Citro C., et al. (2015). TensorFlow: Large-Scale Machine Learning on Heterogeneous Systems. Technical report.
• Abramowitz M., Stegun I. A. (1972). Handbook of Mathematical Functions with Formulas, Graphs, and Mathematical Tables. 9th Edn. New York, NY: Dover.
• Atick J. J., Redlich A. N. (1992). What does the retina know about natural scenes? Neural Comput. 210, 196-210.
• Attias H., Schreiner C. E. (1997). Temporal low-order statistics of natural sounds. Adv. Neural Inform. Process. Syst. 9, 27-33.
• Attneave F. (1954). Some informational aspects of visual perception. Psychol. Rev. 61, 183-193.

タイトルに関連する用語 (6件)： 自然音 ,  自然画像 ,  類似性 ,  差異 ,  符号化 ,  意味