A Versatile Hub Model For Efficient Information Propagation And Feature Selection

要約

ハブ構造は、接続が少ない多数のノードに囲まれた高度に相互接続された少数のノードによって特徴付けられ、生物学的脳の顕著な位相的特徴であり、さまざまな種にわたる効率的な情報伝達と認知処理に貢献しています。
この論文では、ハブ構造の数学的モデルを提示します。
提案された手法は多用途であり、計算神経科学とリカレント ニューラル ネットワーク (RNN) 研究の両方に広く適用できます。
私たちは、ハブ構造の機構基盤を調査する手段として Echo State Network (ESN) を採用しています。
私たちの調査結果は、ハブ構造を組み込むとパフォーマンスが大幅に向上することを示しています。
包括的な機構解析を通じて、ハブ構造が効率的な情報処理とより優れた特徴抽出を促進することでモデルのパフォーマンスを向上させることを示します。

要約(オリジナル)

Hub structure, characterized by a few highly interconnected nodes surrounded by a larger number of nodes with fewer connections, is a prominent topological feature of biological brains, contributing to efficient information transfer and cognitive processing across various species. In this paper, a mathematical model of hub structure is presented. The proposed method is versatile and can be broadly applied to both computational neuroscience and Recurrent Neural Networks (RNNs) research. We employ the Echo State Network (ESN) as a means to investigate the mechanistic underpinnings of hub structures. Our findings demonstrate a substantial enhancement in performance upon incorporating the hub structure. Through comprehensive mechanistic analyses, we show that the hub structure improves model performance by facilitating efficient information processing and better feature extractions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google