意思決定の基礎となる多領域計算のリカレントニューラルネットワークモデル【JST・京大機械翻訳】

Kleinman, M.; Chandrasekaran, C.; Kao, J. C.

プレプリント

J-GLOBAL ID：202202213101250782 整理番号：22P0259050

意思決定の基礎となる多領域計算のリカレントニューラルネットワークモデル【JST・京大機械翻訳】

Recurrent neural network models of multi-area computation underlying decision-making

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年11月06日プレプリントサーバーでの情報更新日： 2020年11月06日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

認知は複数の脳領域にわたる協調計算から出現する。しかし,脳領域内および全域でのこれらの計算の解明は,領域内および領域間連結性が典型的に知られていないため,困難である。協調計算を研究するために,著者らは,マルチ領域反復ニューラルネットワーク(RNN)を訓練して,サルの背側前運動皮質(PMd)における決定関連動力学を研究するために以前に使用されたタスクである,方向決定を反映するチェッカーボードと出力決定変数の主要な色を識別した。神経生理学的連結性制約とDales則で訓練された多領域RNNは,PMdで認められる決定関連動態を再現することを見出した。RNNは,方向決定が計算され,正確に配向された動力学を介して,チェッカーボードカラー入力にほぼ直交する軸上で出力された動的メカニズムによって,このタスクを解いた。この直交方向情報は,領域間接続によるアラインメントを通して優先的に伝播した。対照的に,色情報をフィルタリングした。これらの結果は,皮質がタスク情報の最小十分な表現を生成するためにモジュール計算を使用することを示唆する。最後に,マルチ領域RNNを用いて,複数の脳領域内および横断して起こる計算のための実験的にテスト可能な仮説を作成し,神経系における分散計算への新しい洞察を可能にした。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

中枢神経系

, ,

前のページに戻る