解釈可能なデータ駆動型ニューラルネットワークモデルにおける時間持続性の出現【JST・京大機械翻訳】

Wolf, S.; Le Goc, G.; Cocco, S.; Debregeas, G.; Monasson, R.

プレプリント

J-GLOBAL ID：202202219487951591 整理番号：22P0314196

解釈可能なデータ駆動型ニューラルネットワークモデルにおける時間持続性の出現【JST・京大機械翻訳】

Emergence of time persistence in an interpretable data-driven neural network model

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 (5件)： , , , ,
資料名：
発行年： 2023年01月31日プレプリントサーバーでの情報更新日： 2023年01月31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)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ネットワーク活動の正確で解釈可能なモデルの確立は,システム神経科学における未解決の課題である。ここでは,数百のニューロンの自発活性の機能的記録を用いて,ゼブラフィッシュ遊泳統計を制御する回路であるARTRのエネルギーベースモデルを推定した。著者らのモデルは,短い時間スケールでネットワーク活動の低次元統計量を再現するために訓練されたが,そのシミュレートした動力学は,ARTRのゆっくり交替する活動を定量的に捉える。さらに,水温と視覚刺激によるこの持続的動力学の調節を再現した。モデルの数学的解析は,遅いネットワーク動力学が準安定状態間のArrhenius様障壁交差を反映するARTR活性の低次元景観ベース表現を明らかにした。したがって,本研究は,大規模神経集団記録から構築されたデータ駆動モデルが,集団的ニューロン動力学を制御する基本的機構を明らかにするために,低次元機能モデルにいかに減少できるかを示す。【JST・京大機械翻訳】

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

脳・神経系モデル

, ,

前のページに戻る