从神经网络连接中贝叶斯重构存储于其中的记忆
神经元与认知
2023-02-20 v2 统计力学
机器学习
摘要
大型神经回路的全面突触连接图的出现催生了连接组学领域，并带来若干开放性研究问题。其中一个问题是：在已知递归神经元网络的突触连接矩阵时，是否可能重构存储于其中的信息。本文通过确定在特定吸引子网络模型中此类推断问题在理论上何时可解，并提供实用的求解算法，来探讨该问题。该算法基于统计物理思想进行近似贝叶斯推断，且可精确分析。我们在三种不同模型上研究其性能，将算法与 PCA 等标准算法比较，并探讨从突触连接重构存储模式的局限性。
引用
@article{arxiv.2105.07416,
title = {Bayesian reconstruction of memories stored in neural networks from their connectivity},
author = {Sebastian Goldt and Florent Krzakala and Lenka Zdeborová and Nicolas Brunel},
journal= {arXiv preprint arXiv:2105.07416},
year = {2023}
}
备注
Code available at https://github.com/sgoldt/reconstructing_memories