分割的な標準化を超えて: 参照フレーム全体に複数のセンサを統合するためのスケーラブルなフィードフォワードネットワーク
Arefeh Farahmandi1, Parisa Abedi Khoozani1, Gunnar Blohm1
1Centre for Neuroscience Studies, Queen's University, Kingston, Ontario, Canada, K7L 3N6.
まとめ
この研究は,マルチセンサリー統合 (MSI) の新しいフィードフォワードニューラルネットワークモデルを導入します. このモデルは,既存の理論に挑戦する分割的正規化なしで,参照フレーム全体にわたってベイズ推論を近似しています.
科学分野:
- 神経科学
- 計算神経科学
- 認知科学
背景:
- マルチセンサリー統合は 認識と行動に不可欠であり 参照枠の変換も含みます
- ベイジアン推論モデルは多感覚統合ですが,神経メカニズムについては依然として議論されています.
- 分割的正規化は提案されたメカニズムですが,その脳の実装は不明で,モデルはスケーラビリティに苦労しています.
研究 の 目的:
- ベイジアン推論に近付くマルチセンサ統合の代替モデルを提案する.
- フィード・フォワード・ニューラル・ネットワークが,明示的な分断操作なしに多感覚統合を達成できるかどうかを調査する.
- マルチセンサリー統合のためのニューラルコンピューティングにおける 分割的正規化の必要性を挑戦する.
主な方法:
- マルチセンサリー統合 (MSI) のための多層フィードフォワードニューラルネットワークモデルを開発した.
- マルチセンサリー統合のための 分析的なベイジアンソリューションで ネットワークを訓練した.
- マルチセンサリー統合と神経活動における経験的原理を複製するモデルの能力を評価した.
主要な成果:
- 提案されたフィード・フォワード・ネットワークは,マルチセンサリー統合のためのベイジアン推論に成功しています.
- このモデルは,多感覚統合の経験的原理を示し,VIPニューロンで観察された行動を真似しています.
- 明確な分割型標準化や特定の接続性構造を必要とせずに,参照フレーム全体で多感知統合を達成した.
結論:
- 添加的な単位を持つ単純なフィードフォワードネットワークは,マルチセンサリー統合のための最適なベイジアン推論を近似することができます.
- 脳が多感覚統合を行うには明示的な分割型正常化は必要ないかもしれません
- マルチセンサリー処理の基礎にある 神経コンピューティングの洞察を提供し,既存のモデルに挑戦しています.
関連する概念動画
01:22Multi-input and Multi-variable systems
149
Cruise control systems in cars are designed as multi-input systems to maintain a driver's desired speed while compensating for external disturbances such as changes in terrain. The block diagram for a cruise control system typically includes two main inputs: the desired speed set by the driver and any external disturbances, such as the incline of the road. By adjusting the engine throttle, the system maintains the vehicle's speed as close to the desired value as possible.
In the absence...
In the absence...
149
01:20Parallel Processing
224
The brain processes sensory information rapidly due to parallel processing, which involves sending data across multiple neural pathways at the same time. This method allows the brain to manage various sensory qualities, such as shapes, colors, movements, and locations, all concurrently. For instance, when observing a forest landscape, the brain simultaneously processes the movement of leaves, the shapes of trees, the depth between them, and the various shades of green. This enables a quick and...
224
01:03Inertial Frames of Reference
7.4K
Newton’s first law is usually considered to be a statement about reference frames. It provides a method for identifying a special type of reference frame: the inertial reference frame. In principle, we can make the net force on a body zero. If its velocity relative to a given frame is constant, then that frame is said to be inertial. So, by definition, an inertial reference frame is a reference frame where Newton's first law holds valid. Newton's first law applies to objects with...
7.4K
01:27Non-inertial Frames of Reference
6.1K
A reference frame accelerating or decelerating relative to an inertial frame is a non-inertial frame. To help understand this, consider what taking off in an airplane, turning a corner in a car, riding a merry-go-round, and the circular motion of a tropical cyclone all have in common. All these systems are accelerating, decelerating, or rotating relative to the Earth; hence, they all are non-inertial frames. All these systems exhibit inertial forces, which merely seem to arise from motion,...
6.1K
01:15Depth Perception and Spatial Vision
897
Depth perception is the ability to perceive objects three-dimensionally. It relies on two types of cues: binocular and monocular. Binocular cues depend on the combination of images from both eyes and how the eyes work together. Since the eyes are in slightly different positions, each eye captures a slightly different image. This disparity between images, known as binocular disparity, helps the brain interpret depth. When the brain compares these images, it determines the distance to an object.
897