文献

J-GLOBAL ID：202002275818417096   整理番号：20A1130519

スパイキングニューラルネットワークの動力学と計算性能に及ぼすシナプス統合の影響【JST・京大機械翻訳】

Effects of synaptic integration on the dynamics and computational performance of spiking neural network

著者 (3件)： Li Xiumin (College of Automation, Chongqing University, Chongqing, China) ,  Luo Shengyuan (College of Automation, Chongqing University, Chongqing, China) ,  Xue Fangzheng (College of Automation, Chongqing University, Chongqing, China)
資料名： Cognitive Neurodynamics  (Cognitive Neurodynamics)
巻： 14  号： 3  ページ： 347-357  発行年： 2020年 
JST資料番号： W4175A  ISSN： 1871-4099  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 脳のニューロンは他のニューロンから数千のシナプス入力を受ける。この求心性情報はシナプス統合によりニューロンにより処理され,生物学的神経回路網における重要な情報処理機構である。シナプス前ニューロンのスパイキング列から統合されたシナプス電流は,有意な計算能力を有するニューロンを与える複雑な非線形動力学を有する。しかしながら,ニューラルネットワークの多くの計算研究において,外部入力電流は,しばしば静的な直接電流として簡単に取られる。本論文において,スパイクニューラルネットワークの動力学に及ぼすシナプスとノイズ外部電流の影響とその計算能力を詳細に研究した。著者らの結果は,非線形シナプス統合のために,速いおよび遅い興奮性シナプス電流の両方が,同じ平均強度を有するノイズ電流よりはるかに複雑で振動性のゆらぎを有することを示した。このように,シナプス外部電流により駆動されるネットワークは,雑音外部電流により駆動されるものより著しく複雑な動力学を示す。興味深いことに,ネットワーク活動の強化は情報伝達に有益であり,それは液体状態機械(LSM)ネットワーク上で行われた2つの計算タスクによってさらに支持される。シナプス外部電流によるLSMは,雑音外部電流によるものより,非線形適合とパターン分類の両方において,かなり良い性能を示した。シナプス統合は,LSMの活性パターンと計算性能のエントロピーを有意に強化することができる。著者らの結果は,非線形シナプス統合の複雑な動力学がニューラルネットワークの計算能力において重要な役割を果たし,スパイキングニューラルネットワークのモデリング研究においてより広く考慮されるべきであることを示した。Copyright Springer Nature B.V. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エントロピー ,  雑音 ,  電流 ,  ゆらぎ ,  情報処理 ,  *ネットワーク ,  ニューロン ,  *ニューラルネットワーク ,  パターン分類 ,  *シナプス ,  非線形力学 ,  神経回路網
準シソーラス用語： 興奮性シナプス ,  *スパイキングニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： シナプス統合 ,  スパイキングニューラルネットワーク ,  動力学 ,  計算性能

分類 (2件)： 脳・神経系モデル  (EL02050C) ,  中枢神経系  (EJ12030F)

タイトルに関連する用語 (5件)： スパイキングニューラルネットワーク ,  動力学 ,  計算 ,  シナプス ,  統合