文献

J-GLOBAL ID：202102254629924514   整理番号：21A0029966

進化可能な神経単位のネットワークはシナプス学習規則とスパイキング動力学を学習できる【JST・京大機械翻訳】

Network of evolvable neural units can learn synaptic learning rules and spiking dynamics

著者 (3件)： Bertens Paul (Department of Brain and Cognitive Engineering, Korea University, Seoul, South Korea) ,  Lee Seong-Whan (Department of Brain and Cognitive Engineering, Korea University, Seoul, South Korea) ,  Lee Seong-Whan (Department of Artificial Intelligence, Korea University, Seoul, South Korea)
資料名： Nature Machine Intelligence  (Nature Machine Intelligence)
巻： 2  号： 12  ページ： 791-799  発行年： 2020年 
JST資料番号： W6370A  ISSN： 2522-5839  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： 深層ニューラルネットワークは,全体的アーキテクチャと最適化戦略における様々な変化を通して近年大きな成功が見られるが,それらの基本的基礎設計はほとんど変化しない。計算神経科学は,神経処理機構のより生物学的に現実的なモデルを提供するかもしれないが,それらは経験的挙動の高レベル抽象化である。ここでは,スケーラブルな方法でニューロンの個々の体細胞およびシナプスコンパートメントモデルを進化できる進化可能な神経単位(ENU)を提案した。ENUは,統合および火災ニューロンとシナプススパイク刺激依存性可塑性を模倣するように進化できることを証明した。さらに,ENUが各シナプスとニューロンの位置を取るネットワークを構築することにより,T迷路環境タスクを解くために学習可能なエージェントを進化させる。このネットワークは,スパイキングダイナミックスと強化型学習ルールを独立して発見し,生物学的にヒントを得た人工知能に向けて新しい経路を開く。バーテンとLeeは,ニューロンの個々の体細胞とシナプスコンパートメントモデルを進化できる再発性ニューラルネットワークベースのモジュールである進化可能な神経単位を提案する。これらの進化可能な神経単位のネットワークを構築することにより,それらはシナプス更新ルールとニューロンのスパイキングダイナミクスを学習するエージェントを進化できる。Copyright The Author(s), under exclusive licence to Springer Nature Limited 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 塑性 ,  最適化 ,  *学習 ,  火災 ,  *ネットワーク ,  *ニューロン ,  基本設計 ,  *シナプス ,  体細胞 ,  人工知能 ,  コンパートメントモデル ,  計算機アーキテクチャ ,  エージェント
準シソーラス用語： 学習則 ,  ディープニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  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 (6件)： 進化 ,  神経単位 ,  シナプス ,  学習 ,  規則 ,  動力学