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

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.