A Dynamical Theory of Sequential Retrieval in Input-Driven Hopfield Networks
이 논문은 입력 주도 가소성 (IDP) 을 가진 홉필드 네트워크에서 빠른 연관 기억 검색과 느린 추론 역학을 결합한 2 시간 척도 아키텍처를 분석하여, 자기 유지적 기억 전환을 위한 명시적 조건을 유도함으로써 연상 기억 모델 내의 순차적 추론에 대한 원리 있는 수학적 이론을 제시합니다.
🧬 Category
q-bio.NC
57 편의 논문
Efficient Coding Predicts Synaptic Conductance
이 논문은 시냅스 전도도가 자연스러운 값에서 벗어날 때 정보 효율성이 급격히 감소하는 현상을, 시냅스 소음 최소화 원리를 섀넌 정보 이론으로 해석하여 자유 매개변수 없이 설명하고, 뇌 신경계가 에너지 효율성을 극대화하도록 진화했음을 입증했습니다.
Machine Learning for Complex Systems Dynamics: Detecting Bifurcations in Dynamical Systems with Deep Neural Networks
이 논문은 평형 상태를 입력으로 사용하여 시스템 매개변수를 역추적하는 딥러닝 기반의 평형 정보 신경망 (EINN) 을 제안함으로써, 복잡한 동역학 시스템의 임계점과 급격한 상태 전이를 기존 방법보다 효율적으로 탐지할 수 있음을 보여줍니다.
A systematic approach to answering the easy problems of consciousness based on an executable cognitive system
이 논문은 칸트의 개념적 지식 이론에 기반한 실행 가능한 인지 시스템을 구축하여 차임스의 '의식의 쉬운 문제들'을 체계적으로 설명하고, 학습 메커니즘, 감정 상태, 그리고 자극의 원천을 통해 해당 현상들을 통합적으로 증명합니다.
INTENSE: Detecting and disentangling neuronal selectivity in calcium imaging data
이 논문은 자유 행동하는 동물에서 칼슘 이미징 데이터를 기반으로 뉴런과 행동 간의 선택성을 탐지하고 분해하기 위해 상호 정보량과 순환 이동 순열 검정을 활용한 오픈소스 프레임워크인 INTENSE 를 제안하여, 시간적 구조와 행동 공변성을 통제함으로써 기존 방법의 한계를 극복하고 혼합 선택성을 정확하게 규명함을 보여줍니다.
Why the Brain Consolidates: Predictive Forgetting for Optimal Generalisation
이 논문은 기억의 고정이 단순한 안정화가 아니라, 미래 예측에 기여하는 정보만 선택적으로 유지하는 '예측적 망각'을 통해 일반화 능력을 최적화하는 과정임을 제시하며, 이를 다양한 신경 및 언어 모델 시뮬레이션을 통해 입증하고 있습니다.
Neural geometry in the human hippocampus enables generalization across spatial position and gaze
이 논문은 해마 신경 세포들이 자기, 먹이, 포식자의 위치 및 시선 방향을 서로 다른 하위 공간에 매핑하면서도 선형 변환을 통해 정렬할 수 있는 기하학적 구조를 갖추고 있어, 공간적 위치와 시선 방향에 관계없이 다양한 대상에 대한 일반화와 추상화를 가능하게 한다는 사실을 규명했습니다.
The Spatial and Temporal Resolution of Motor Intention in Multi-Target Prediction
이 논문은 다중 채널 근전도 (EMG) 신호를 활용하여 다중 표적 도달 운동의 의도를 계획 및 실행 초기 단계에서 예측하는 계산 파이프라인을 제안하고, 랜덤 포레스트와 합성곱 신경망이 높은 정확도로 공간적 및 시간적 해상도를 확보할 수 있음을 입증함으로써 적응형 재활 시스템의 선제적 제어 기술 발전에 기여합니다.
DecNefSimulator: A Modular, Interpretable Framework for Decoded Neurofeedback Simulation Using Generative Models
이 논문은 생성 모델을 가상 참여자로 활용하여 뇌 활동 피드백 (DecNef) 의 학습 역학을 분석하고 실험 전 프로토콜을 최적화할 수 있는 모듈형 해석 가능한 시뮬레이션 프레임워크 'DecNefSimulator'를 제안합니다.
An Information-Theoretic Framework For Optimizing Experimental Design To Distinguish Probabilistic Neural Codes
이 논문은 확률적 신경 부호 (가능도 함수 대 사후분포) 를 구별하기 위한 최적의 실험 설계를 도출하기 위해, 두 부호 가설 간의 정보 격차를 정량화하는 정보이론적 프레임워크를 제안하고 이를 통해 신경 집단이 어떻게 감각 불확실성을 표현하고 처리하는지에 대한 이해를 심화시킵니다.
Escaping the BLEU Trap: A Signal-Grounded Framework with Decoupled Semantic Guidance for EEG-to-Text Decoding
이 논문은 EEG 신호에서 자연어를 해독할 때 발생하는 의미 편향과 신호 무시 문제를 해결하기 위해, 감성·주제·길이·놀라움이라는 네 가지 분리된 의미 목표를 통해 신경 입력에 기반한 생성을 강제하는 'SemKey' 프레임워크를 제안하고, 기존 BLEU 점수의 한계를 넘어 N-way 검색 정확도 및 프라체트 거리와 같은 새로운 평가 지표를 통해 모델의 성능을 입증합니다.
Neuro-Symbolic Decoding of Neural Activity
이 논문은 구조적 사전 지식을 통합하여 fMRI 신호를 해석하고 미지의 질문에도 일반화되는 성능을 보이는 신경-심볼릭 프레임워크인 NEURONA 를 제안합니다.
Characterization of Phase Transitions in a Lipkin-Meshkov-Glick Quantum Brain Model
이 논문은 시냅스 피드백을 포함한 리킨 - 메슈코프 - 글릭 양자 뇌 모델을 분석하여, 피드백 메커니즘이 위상 구조를 재구성하고 임계 경계를 이동시키며, 위상 공간 및 동역학적 분석을 통해 시냅스 가소성이 집단적 임계성을 조절할 수 있음을 규명했습니다.
Non-Invasive Reconstruction of Intracranial EEG Across the Deep Temporal Lobe from Scalp EEG based on Conditional Normalizing Flow
이 논문은 조건부 정규화 흐름 (Conditional Normalizing Flow) 기반의 'NeuroFlowNet'이라는 새로운 생성 프레임워크를 제시하여, 두피 EEG 신호로부터 깊은 측두엽의 고충실도 뇌내 EEG 신호를 처음으로 비침습적으로 재구성하는 방법을 제안하고 그 유효성을 입증했습니다.
Inhibitory Cross-Talk Enables Functional Lateralization in Attention-Coupled Latent Memory
이 논문은 억제성 교차 상호작용을 통해 좌우 기억 은행의 기능적 분화를 유도하여, 주의 메커니즘과 결합된 잠재 기억 모델이 규칙 기반 예측은 유지하면서 연관 회상 성능을 획기적으로 향상시킨다는 것을 보여줍니다.
Solving adversarial examples requires solving exponential misalignment
이 논문은 신경망의 지각 매니폴드 차원이 인간 개념보다 훨씬 커서 발생하는 기하학적 불일치가 적대적 예시의 근본 원인이며, 이를 해결하기 위해서는 기계와 인간의 차원 정렬이 필수적임을 18 개의 네트워크 실험을 통해 증명합니다.
Two-phase quadratic integrate-and-fire neurons: Exact low-dimensional description for ensembles of finite-voltage neurons
이 논문은 전압 발산을 제거하고 현실적인 스파이크 파형을 생성하면서도 열역학적 극한에서 단일 복소 리카티 방정식으로 정확한 저차원 기술이 가능한 새로운 2 상 이차 적분 - 방출 (QIF) 뉴런 모델을 제안하여, 기존 평균장 프레임워크에 생물학적으로 더 타당한 모델을 그대로 적용할 수 있음을 보여줍니다.