構造化ランダム受容野は有益な感覚符号化を可能にする【JST・京大機械翻訳】

Pandey, B.; Pachitariu, M.; Brunton, B. W.; Harris, K. D.

プレプリント

J-GLOBAL ID：202202220580331011 整理番号：21P0266115

構造化ランダム受容野は有益な感覚符号化を可能にする【JST・京大機械翻訳】

Structured random receptive fields enable informative sensory encodings

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 (4件)： , , ,
資料名：
発行年： 2022年05月26日プレプリントサーバーでの情報更新日： 2022年05月26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)

脳は,動物が生存し,繁殖するので,外界を代表しなければならない。初期感覚システムにおいて,神経個体群は入力における重要な特徴を検出するために構造化される多様な受容野を持つが,感覚ニューロンの古典的モデルでは有意な変動性が無視されてきた。パラメータ分布からランダム,可変試料としてニューロン受容野をモデル化し,昆虫機械センサと哺乳類一次視覚皮質からのデータを用いて2つの官能様式においてこのモデルを実証した。著者らのアプローチは,受容野の基礎的概念とランダム特徴の間の重要な理論的接続,人工ニューラルネットワークの理解のための主要な理論につながる。モデル化ニューロンは,入力でランダム化ウェーブレット変換を実行し,高周波雑音を除去し,信号をブーストする。さらに,これらのランダム特徴ニューロンは,より少ない訓練サンプルからの学習と人工タスクにおけるより小さなネットワークによる学習を可能にする。受容野のこの構造化ランダムモデルは,空間的および時間的ドメインの両方にわたる感覚符号化を理解するための統一的で数学的に扱いやすいフレームワークを提供する。【JST・京大機械翻訳】

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

中枢神経系

, , ,

前のページに戻る