访问人脑功能子电路在回声状态网络中的拓扑特性
神经元与认知
2025-01-28 v2
摘要
近年来，神经形态计算中出现的趋势聚焦于将脑连接组学作为人工神经网络的蓝图。基于连接组学的神经形态计算主要聚焦于将人脑大规模结构连接组(SC)嵌入到回声状态网络(ESN)，而这些连接组通常来自扩散磁共振成像(dMRI)模组。ESN嵌入的一个关键步骤需要预先确定由嵌入储备部件诱导的子图构成的读入和读出层。由于功能性子电路是从功能磁共振成像(fMRI)模组中推导出的，因此迄今为止尚未确定将fMRI诱导的子电路/网络嵌入到SC中是否从神经生理学角度和ESN在各种任务下的性能方面都得到良好验证。本文提出了一个管道，用于实现和评估具有 various 嵌入拓扑和处理/记忆任务的ESN。为此，我们展示了不同性能最优值高度依赖于这些预先确定的fMRI诱导子电路的神经生理特征。在一般情况下，嵌入fMRI诱导子电路的ESN在不同任务和储备临界性条件下，均优于具有常见于多层感知机(MLP)的前馈属性的简单二分图和各种空模型。我们对预先确定的fMRI诱导子电路的拓扑特性进行了详尽分析，并突出了这些图论特性在确定ESN性能中所扮演的重要角色。
引用
@article{arxiv.2412.14999,
title = {Accessing the topological properties of human brain functional sub-circuits in Echo State Networks},
author = {Bach Nguyen and Tianlong Chen and Shu Yang and Bojian Hou and Li Shen and Duy Duong-Tran},
journal= {arXiv preprint arXiv:2412.14999},
year = {2025}
}
备注
10 pages, 12 figures