Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する実験動画

旧皮質のシミュレーションは,階層的なクラスタリングを実行します.

J Ambros-Ingerson1, R Granger, G Lynch

  • 1Center for the Neurobiology of Learning and Memory, University of California, Irvine 92717.

Science (New York, N.Y.)
|March 16, 1990
PubMed
まとめ
この要約は機械生成です。

シミュレーションにより,嗅覚皮質のネットワークが学習したシグナルを階層的な記憶に整理し,統計的関係を明らかにすることが明らかになった. これは,脳のメカニズムにインスパイアされた新しい階層的なクラスタリングアルゴリズムにつながりました.

関連する実験動画

関連する概念動画

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Measurements of branching fractions and time-dependent CP-violating asymmetries in B --> eta'K decays.

Physical review letters·2005
Same author

Search for decays of B0-->e+ e-, B0-->mu+ mu-, B0-->e +/- mu-/+.

Physical review letters·2005
Same author

Branching fraction and CP asymmetries of B0-->K0(S)K0(S)K0(S).

Physical review letters·2005
Same author

Search for lepton flavor violation in the decay tau+/- --> mu+ gamma.

Physical review letters·2005
Same author

Search for the rare leptonic decay B--->tau-nutau.

Physical review letters·2005
Same author

Improved Measurement of the Cabibbo-Kobayashi-Maskawa angle alpha using B0(B) --> rho+rho- decays.

Physical review letters·2005

科学分野:

  • 計算神経科学とは
  • コグニティブ・サイエンスとは,認知科学です.
  • 機械学習 (Machine Learning) とは,機械学習 (Machine Learning) というものです.

背景:

  • 嗅覚古皮質と嗅覚球は,嗅覚情報の処理に不可欠です.
  • 神経ネットワークがどのように階層的な表現を形成するかを理解することは,脳の機能を解読する鍵です.

研究 の 目的:

  • 嗅覚古皮質 (層IとII) と,嗅覚球との接続をシミュレートする.
  • 学習されたシグナルを階層的なメモリに整理するネットワークの能力を調査する.
  • 神経機構に基づいた階層的なクラスタリングのための新しいアルゴリズムを開発する.

主な方法:

  • 嗅覚古皮質と嗅覚球ネットワークのコンピューターシミュレーション.
  • 学習をシミュレートするためにシナプス長期増強の誘導.
  • ネットワーク組織とキューエンコーディングの分析.
  • 重要な計算要素を特定するためのネットワークの簡素化.

主要な成果:

  • シミュレーションでは,学習されたヒントの階層的な組織が示され,環境における統計的関係を反映した.
  • ネットワークは,階層的なクラスタリングを効果的に実行しました.
  • 簡略化されたネットワークモデルから,新しく効率的な階層的なクラスタリングアルゴリズムが導かれました.

結論:

  • 嗅覚皮質球膜ネットワークには,知覚の階層を構築するための計算要素があります.
  • これらの発見は,他の脳領域の類似の回路が,階層的な知覚をサポートする可能性があることを示唆しています.
  • 開発されたアルゴリズムは,AIとデータ分析の潜在的なアプリケーションを持つ階層的なクラスタリングに効率的なアプローチを提供します.