Planarian Neural Networks: Evolutionary Patterns from Basic Bilateria Shaping Modern Artificial Neural Network Architectures

要約

この研究では、生物学的ニューラル ネットワークと同様の進化パターンを持つ人工ニューラル ネットワーク (ANN) を開発することにより、画像分類タスクにおける人工ニューラル ネットワーク (ANN) の予測精度を向上させる実現可能性を検討しました。
ResNet は、ディープとワイドの両方のバリエーションを備えた、広く使用されているニューラル ネットワーク ファミリです。
したがって、これが調査のベース モデルとして選択されました。
この研究の目的は、脳と 2 本の神経索で構成されるプラナリアの生物学的神経系構造にヒントを得た新しいアプローチによって、ANN の画像分類性能を向上させることです。
私たちは、プラナリアのユニークな神経構造が、ANN のパフォーマンス向上に関する貴重な洞察を提供すると信じています。
提案されたプラナリア ニューラル アーキテクチャ ベースのニューラル ネットワークは、CIFAR-10 および CIFAR-100 データセットで評価されました。
我々の結果は、提案された方法が画像分類タスクにおいてベースラインニューラルネットワークモデルよりも高い予測精度を示すことを示しています。
これらの発見は、生物学にインスピレーションを得たニューラル ネットワーク アーキテクチャが幅広いアプリケーションで ANN のパフォーマンスを向上させる大きな可能性を示しています。

要約(オリジナル)

This study examined the viability of enhancing the prediction accuracy of artificial neural networks (ANNs) in image classification tasks by developing ANNs with evolution patterns similar to those of biological neural networks. ResNet is a widely used family of neural networks with both deep and wide variants; therefore, it was selected as the base model for our investigation. The aim of this study is to improve the image classification performance of ANNs via a novel approach inspired by the biological nervous system architecture of planarians, which comprises a brain and two nerve cords. We believe that the unique neural architecture of planarians offers valuable insights into the performance enhancement of ANNs. The proposed planarian neural architecture-based neural network was evaluated on the CIFAR-10 and CIFAR-100 datasets. Our results indicate that the proposed method exhibits higher prediction accuracy than the baseline neural network models in image classification tasks. These findings demonstrate the significant potential of biologically inspired neural network architectures in improving the performance of ANNs in a wide range of applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google