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

"忘却"は,集団記憶に安定効果をもたらします.

J J Hopfield, D I Feinstein, R G Palmer

    Nature
    |July 14, 1983
    PubMed
    まとめ

    この研究は,クリックとミッチソンによる夢の睡眠に関する"解読"仮説を検証するために,ニューラルネットワークをモデル化しています. コンピュータ・シミュレーションでは",解読"プロセスは,記憶のリコールを改善し,偽の記憶を減少させ,レム睡眠の機能を反映することを示しています.

    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

    Establishment of a 100-seed weight quantitative trait locus-allele matrix of the germplasm population for optimal recombination design in soybean breeding programmes.

    Journal of experimental botany·2015
    Same author

    The partial thromboplastin time: reply.

    Journal of thrombosis and haemostasis : JTH·2014
    Same author

    Inhibition of deoxyribonuclease activity associated with soybean chloroplasts.

    Plant cell reports·2013
    Same author

    Conditional lethality involving nuclear and cytoplasmic chlorophyll mutants in soybeans.

    TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik·2013
    Same author

    The frequency of polyembryonic seedlings and polyploids from ms1 soybean.

    TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik·2013
    Same author

    Characterization of a cytoplasmically inherited yellow foliar mutant (cyt-Y 3) in soybean.

    TAG. Theoretical and applied genetics. Theoretische und angewandte Genetik·2013

    科学分野:

    • 神経科学は神経科学である.
    • 計算神経科学とは
    • 人工知能 (AI) とは,人工知能 (AI) のことです.

    背景:

    • ドリーム・スリープの機能的役割については,依然として議論されている.
    • CrickとMitchisonは,夢の睡眠が"脱学習"プロセスを促進することを提案しました.
    • 記憶の整合と復元を理解することは,神経科学において極めて重要です.

    研究 の 目的:

    • 神経ネットワークにおける学習と"アンラーニング"を数学的に計算的にモデル化すること.
    • 記憶処理における"忘却"の潜在的役割を調査する.
    • REM睡眠の仮説的な機能とモデル行動を比較する.

    主な方法:

    • 30〜1000個のニューロンを持つ集合ニューラルネットワークモデルを開発した.
    • コンテンツアドレス化 (関連性) メモリーシステムを実装しました.
    • シミュレートされた学習と"アンラーニング"プロセスで,反転した信号とノイズ入力を使用して"アンラーニング"を行う.

    主要な成果:

    • モデルは,複数の記憶を学習し,保存することに成功しました.
    • メモリリコール効果は様々で,学習中に偽記憶が生成された.
    • "忘却"プロセスは,実際の記憶の回収を大幅に強化し,偽りの記憶を最小限に抑えました.

    結論:

    • コンピューティング・モデリングは,夢の睡眠の"非学習"仮説を支持する.
    • シミュレートされた"脱学習"プロセスは,レム睡眠の仮定された機能との類似性を示しています.
    • このモデルは, 'unlearning' を通してメモリ最適化を理解するための枠組みを提供します.