Core Concepts
進化は時間情報の処理に影響を与える多様な形態と生理学的特性を持つ神経細胞を生み出してきた。
Abstract
本研究では、時間依存的なパラメータ(軸索伝導遅延、シナプス時定数、バースト発火)を適応的に変化させることができるフィードフォワード型ニューラルネットワークを進化的に訓練した。その結果以下のことが明らかになった:
時間依存的なタスクでは、時間パラメータを適応的に変化させることが不可欠である。重みパラメータのみでは多くのタスクを解くことができない。
複数の時間パラメータを同時に適応させると、パフォーマンスと訓練の頑健性が大きく向上する。
時間パラメータの適応は、入力や重みのノイズに対する頑健性も高める。
これらの結果は、神経系における時空間的な多様性の進化的な意義を示唆している。また、ニューロモーフィックハードウェアの設計においても、時間パラメータの適応が重要であることが示唆される。
Stats
重みのみを適応させた場合、多くのロジック問題を解くことができない。
遅延パラメータを適応させることで、すべてのロジック問題を解くことができる。
時定数と重みを組み合わせることで、遅延の効果をシミュレートできる。
時定数と遅延を組み合わせて適応させることで、すべてのロジック問題を解くことができる。
Quotes
"進化は時間情報の処理に影響を与える多様な形態と生理学的特性を持つ神経細胞を生み出してきた。"
"時間依存的なタスクでは、時間パラメータを適応的に変化させることが不可欠である。重みパラメータのみでは多くのタスクを解くことができない。"
"複数の時間パラメータを同時に適応させると、パフォーマンスと訓練の頑健性が大きく向上する。"