抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
新しいニューロンは,成体を通して歯状回亜顆粒帯で連続的に発生する。これらの新しいニューロンは海馬回路に徐々に統合し,新しいナイーブシナプスを形成する。この展望から見て,これらの新しいニューロンは,海馬ネットワークにおける配線ノイズの重要な源を表す可能性がある。機械学習において,そのような雑音注入は,通常,正則化技術として使用されている。正則化技法は,過剰適合訓練データの防止を助け,新しいデータに学習を一般化するモデルを可能にする。計算機モデリング手法を用いて,ここでは,神経発生様プロセスが,カテゴリー学習タスクにおける一般化を促進する正則化器として機能するかどうかを問う。CIFAR-10物体認識データセット上で訓練された畳み込みニューラルネットワーク(CNN)において,選択した隠れ層におけるニューロンのランダムに選択された小さな部分集合に対する重みを,オブジェクトの10の異なるクラスを分類するように学習されたモデルとして新しい値に再初期化して,置換/ターンオーバーメカニズムとして神経発生をモデル化した。神経発生は,神経発生のないネットワークと比較して,非seenテストデータの一般化を増強することを見出した。さらに,従来の雑音注入(即ち,ドロップアウト,重量減衰,および神経雑音)のネットワークと同様に,神経ネットワークが,優るか,または実行した。これらの結果は,神経発生がノイズ注入を通して海馬学習における一般化を増強できることを示唆し,神経発生が認知の可能性がある役割を拡大した。Author SummaryIn深層ニューラルネットワーク,雑音注入の様々な形式を,過剰適合を防ぐための正則化技法として使い,そして,非意味テストデータに関する一般化を促進する。ここでは,成体神経発生が脳における正則化器として海馬-光類似機能における新しいニューロンの生涯生産に関心を持つかどうかに興味があった。この質問を計算的に探索し,カテゴリー学習タスクで訓練された畳み込みニューラルネットワーク内の隠れ層における神経発生様プロセスの実施が,過剰適合を防ぎ,一般化を促進するかどうかを評価した。著者らは,神経発生正則化が,モデル性能の改善において,従来の正則化器(すなわち,ドロップアウト,重量減衰および神経雑音)よりも,少なくとも有効か,またはより効果的であることを見出した。これらの結果は,海馬神経発生の最適レベルが過剰適合を防ぐことにより記憶誘導意思決定を改善し,それによってより広範な環境に適用できるより一般化された記憶の形成を促進することを示唆する。これらの予測が,海馬神経形成の変化を伴うげっ歯類において行動的にどのように評価されるかを概説した。【JST・京大機械翻訳】
