文献

J-GLOBAL ID：202002291424744022   整理番号：20A2695321

バイオインスパイアードソナーからのEchoビューセル【JST・京大機械翻訳】

Echo View Cells From Bio-Inspired Sonar

著者 (4件)： Isbell Jacob D. (Department of Electrical and Computer Engineering, University of Maryland, College Park, MD, United States) ,  Horiuchi Timothy K. (Department of Electrical and Computer Engineering, University of Maryland, College Park, MD, United States) ,  Horiuchi Timothy K. (Institute for Systems Research, University of Maryland, College Park, MD, United States) ,  Horiuchi Timothy K. (Program in Neuroscience and Cognitive Science, University of Maryland, College Park, MD, United States)
資料名： Frontiers in Neurorobotics (Web)  (Frontiers in Neurorobotics (Web))
巻： 14  ページ： 567991  発行年： 2020年 
JST資料番号： U7086A  ISSN： 1662-5218  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： 個人認識は,世界における我々の場所と一般的知識を以前に訪問する感覚のモザイクによって自然に知らされる。哺乳類脳におけるニューロン(特に海馬形成において)は,場所のこの認識を反映すると考えられ,経路計画および記憶想起に使用できる空間マップの実行に関与すると考えられている。本研究では,コウモリが環境中の物体を感知し,異なる場所に関連する見解を認識するために,コウモリにヒントを得たソナーを使用した。これらの「エコービューセル」は,コウモリにおいて観察される場所細胞表現の創造に対して,(オドメトリーで)寄与する可能性がある。詳細な感覚テンプレートマッチングは簡単であるが,飛翔動物またはロボットは,元の記憶が捉えられる正確な3D位置と姿勢に戻ることが極めてありそうもない。その代りに,サイズにおける多くの体長である拡張領域上の見解を認識し,地図のために位置の数を減らす。限られた範囲の翻訳と回転にわたって,実験室環境における66の異なる場所を認識するために,フィードフォワードニューラルネットワーク(従来のニューラルネットワークとスパイクニューラルネットワーク)を訓練することによって,この空間不変性のいくつかを成功裏に実証した。さらに,エコービューセルが既知のビューと,それらの出力が連続性の時間にわたってどのように組み合わせることができるかを示した。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： *ソナー ,  ロボット ,  ニューロン ,  ニューラルネットワーク ,  動物 ,  哺乳類 ,  海馬 ,  モザイク性 ,  体長 ,  コウモリ ,  飛翔 ,  三次元 ,  不変性 ,  経路探索
準シソーラス用語： テンプレートマッチング , 【Automatic Indexing@JST】

著者キーワード (8件)： コウモリ ,  反響定位 ,  場所細胞 ,  場所場 ,  ロボット工学 ,  ソナー ,  ニューラルネットワーク ,  スキム

分類 (1件)： 中枢神経系  (EJ12030F)

引用文献 (24件)：

• AbadiM.AgarwalA.BarhamP.BrevdoE.ChenZ.Citro AbadiC.. (2015). TensorFlow: large-scale machine learning on heterogeneous systems, 2015. arXiv. arXiv:1603.04467. Software Available online at: https://www.tensorflow.org/ (accessed October 18, 2020).
• BachelderI. A.WaxmanA. M. (2011). Mobile robot visual mapping and localization: a view-based neurocomputational architecture that emulates hippocampal place learning. Neural Netw. 7, 1083-1099. doi: 10.1016/S0893-6080(05)80160-1
• BisongE. (2019). Google Colaboratory. Building Machine Learning and Deep Learning Models on Google Cloud Platform. Berkeley, CA: Apress, 59-64. doi: 10.1007/978-1-4842-4470-8_7
• EliakimI.CohenZ.KosaG.YovelY. (2018). A fully autonomous terrestrial bat-like acoustic robot. PLoS Comput. Biol. 14:e1006406. doi: 10.1371/journal.pcbi.100640630188901
• Geva-SagivM.LasL.YovelY.UlanovskyN. (2015). Spatial cognition in bats and rats: from sensory acquisition to multiscale maps and navigation. Nat. Rev. Neurosci. 16, 94-108. doi: 10.1038/nrn388825601780