Reconstructing computational system dynamics from neural data with recurrent neural networks | nature reviews neuroscience (2023)
Daniel Durstewitz, Georgia Koppe & Max Ingo Thurm
https://doi.org/10.1038/s41583-023-00740-7
hl.icon
Naa_tsure.icon近いうちに精読したいReviewなので固定(2024/11/23)
認知的な機能はどのような脳内メカニズムによって生じるのか?
神経活動を含む多くの物理生物学的な過程は力学系で記述できる
力学系(Dynamical system)はチューリング完全(Turing complete)であることが知られている
力学系とチューリング完全
つまり、力学系の観点から脳の機能を解析するのは強力。
一方で、現段階では全ての神経活動を完璧に同時記録することはできない。
Naa_tsure.icon全脳イメージング(Whole–brain imaging)はあるが、時間的に限定されるし、基本的に細胞体の活動しか記録できない。
そこで部分的な観測から力学系を再構成するツールとしてのRNNを利用する。
リカレントニューラルネットワーク(Recurrent Neural Network; RNN)
通時的誤差逆伝播法(Backpropagation Through Time; BPTT)
Long short-term memory; LSTM
Gated recurrent units; GRUs
Piecewise-linear recurrent neural network; PLRNN
Continuous-time RNN; CTRNN
Neural ordinary differential equations; neural ODEs
Naa_tsure.icon 連続時間に拡張すると、時間窓のサイズの影響を考えなくて良くなるメリット
Sparse identification of non-linear dynamical systems; SINDy
変分オートエンコーダー(Variational Autoencoder: VAE)
状態空間モデル(state space model)
神経多様体(Neural manifolds)