Sains

Metode pembelajaran mendalam geometris untuk mendekode dinamika otak

Lintasan tangan secara linear diterjemahkan dari representasi marmer menunjukkan korespondensi spasial yang jauh lebih kuat dengan kinematika kebenaran tanah (baris atas) dari metode pembelajaran mendalam lainnya (LFAD, baris bawah)

Para ilmuwan telah mengembangkan metode pembelajaran mendalam geometris yang dapat menciptakan gambaran yang koheren dari aktivitas populasi neuron selama tugas kognitif dan motorik di seluruh subjek dan kondisi eksperimental.

Dalam perumpamaan tentang orang -orang buta dan gajah, beberapa orang buta masing -masing menggambarkan bagian berbeda dari seekor gajah yang mereka sentuh – gading tajam, batang yang fleksibel, atau kaki yang luas – dan tidak setuju tentang sifat sejati hewan. Kisah ini menggambarkan masalah memahami objek yang tidak terlihat, atau laten berdasarkan persepsi individu yang tidak lengkap. Demikian juga, ketika para peneliti mempelajari dinamika otak berdasarkan rekaman sejumlah neuron, mereka harus menyimpulkan pola laten dinamika otak yang menghasilkan rekaman ini.

“Misalkan Anda dan saya sama -sama terlibat dalam tugas mental, seperti menavigasi cara kami untuk bekerja. Dapat memberi sinyal dari sebagian kecil neuron memberi tahu kami bahwa kami menggunakan strategi mental yang sama atau berbeda untuk menyelesaikan tugas?” Kata Pierre Vandergheynst, kepala laboratorium pemrosesan sinyal LTS2 di Sekolah Teknik EPFL. “Ini adalah pertanyaan mendasar bagi ilmu saraf, karena para eksperimentalis sering merekam data dari banyak hewan, namun kami memiliki bukti terbatas apakah mereka mewakili tugas yang diberikan menggunakan pola otak yang sama.”

Vandergheynst dan mantan postdoc Adam Gosztolai, yang sekarang menjadi asisten profesor di AI Institute of Medical University of Vienna, telah menerbitkan pendekatan pembelajaran mendalam geometris di Metode alam yang dapat menyimpulkan pola aktivitas otak laten di seluruh subjek eksperimental. Marmer (pembelajaran basis representasi manifold) mencapai hal ini dengan memecah aktivitas saraf listrik menjadi pola dinamis, atau motif, yang dapat dipelajari oleh jaringan saraf geometris. Dalam percobaan pada rekaman otak dan otak tikus, para ilmuwan menggunakan marmer untuk menunjukkan bahwa ketika hewan yang berbeda menggunakan strategi mental yang sama untuk mencapai lengan atau menavigasi labirin, dinamika otak mereka terdiri dari motif yang sama.

Jaring saraf geometris untuk data dinamis

Pembelajaran mendalam tradisional tidak cocok untuk memahami sistem dinamis yang berubah secara teratur sebagai fungsi waktu, seperti menembakkan neuron atau cairan yang mengalir. Pola aktivitas ini sangat kompleks sehingga paling baik digambarkan sebagai objek geometris di ruang dimensi tinggi. Salah satu contoh objek semacam itu adalah torus, yang menyerupai donat.

Marble terutama ditujukan untuk membantu para peneliti ilmu saraf memahami bagaimana otak menghitung di seluruh individu atau kondisi eksperimental … tetapi kami berharap itu akan menguntungkan para peneliti di bidang kehidupan dan ilmu fisik lain yang ingin secara bersama -sama menganalisis berbagai dataset. ”

Pierre Vandergheynst

Seperti yang dijelaskan Gosztolai, marmer adalah unik karena belajar dari dalam ruang melengkung -ruang matematika alami untuk pola kompleks aktivitas neuron. “Di dalam ruang melengkung, algoritma pembelajaran mendalam geometris tidak menyadari bahwa ruang -ruang ini melengkung. Dengan demikian, motif dinamis yang dipelajarinya tidak tergantung pada bentuk ruang, yang berarti dapat menemukan motif yang sama dari rekaman yang berbeda.”

Tim EPFL menguji marmer pada rekaman korteks kera pra-motorik selama tugas mencapai, dan hippocampus tikus selama tugas navigasi spasial. Mereka menemukan bahwa representasi marmer berdasarkan rekaman populasi neuron tunggal jauh lebih dapat ditafsirkan daripada yang dari metode pembelajaran mesin lainnya, dan bahwa marmer dapat memecahkan kode aktivitas otak untuk melengkapi gerakan dengan akurasi yang lebih besar daripada metode lain.

Selain itu, karena marmer didasarkan pada teori matematika dari bentuk dimensi tinggi, ia mampu secara independen menyatukan rekaman aktivitas otak dari berbagai kondisi eksperimental ke dalam struktur global. Ini memberikan keunggulan dari metode lain, yang harus bekerja dengan bentuk global yang ditentukan pengguna.

Antarmuka otak-mesin dan seterusnya

Selain memajukan pemahaman kita tentang dinamika yang menopang perhitungan dan perilaku otak, marmer dapat menggunakan data aktivitas saraf untuk mengenali pola dinamis otak ketika melakukan tugas -tugas tertentu, seperti mencapai, dan mengubahnya menjadi representasi yang dapat didekodekan yang kemudian dapat digunakan untuk memicu sebuah Perangkat robot bantu. Namun, para peneliti menekankan bahwa marmer adalah alat yang kuat yang dapat diterapkan di seluruh bidang ilmiah dan dataset untuk membandingkan fenomena dinamis.

“Metode marmer terutama ditujukan untuk membantu para peneliti ilmu saraf memahami bagaimana otak menghitung di seluruh individu atau kondisi eksperimental, dan untuk mengungkap – ketika mereka ada – pola universal,” kata Vandergheynst. “Tetapi dasar matematisnya sama sekali tidak terbatas pada sinyal otak, dan kami berharap bahwa alat kami akan bermanfaat bagi para peneliti di bidang kehidupan dan ilmu fisik lainnya yang ingin secara bersama -sama menganalisis banyak set data.”

Referensi

Gosztolai et al. Representasi statistik yang dapat ditafsirkan dari dinamika populasi saraf dan geometri. Metode alam.

Source

Related Articles

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Back to top button