[論文レビュー] What Colour is Neural Noise?

Jillian Doyle, Alan C. Evans|arXiv (Cornell University)|Jun 10, 2018

Neural dynamics and brain function参考文献 18被引用数 4

ひとこと要約

この論文は、神経系におけるノイズが一般的に想定されているホワイトノイズやピンクノイズに限定されない可能性を主張している。代わりに、青、緑、violettノイズなど、異なる「色」（明確なパワースペクトル密度）を示す可能性がある。音声、画像処理、物理学の類似例を用いて、人工ニューラルネットワークに色付きノイズを組み込むことで一般化性能や認知機能が向上する可能性を提唱している。特に、青ノイズのデイタリングは神経信号処理や確率的補強において中心的な役割を果たす可能性がある。

ABSTRACT

Random noise plays a beneficial role in cognitive processing and produces measurable improvement in simulations and biological agents' task performance. Stochastic facilitation, the phenomenon of additive noise improving signal transmission in complex systems, has been shown to occur in a variety of neural contexts. However, neuroscience analyses to date have not fully explored the colours that neural noise could be. The literature shows a 1/f pink noise power spectrum distribution at many levels, but many less rigourous studies assume white noise, with little justification of why that assumption is made. In this work, we briefly review the colours of noise and their useful applications in other fields. If we consider that noise is not so black and white, we could more colourfully regularize artificial neural networks and re-investigate some surprising results about how the brain benefits from noise.

研究の動機と目的

• 神経科学および人工知能分野で広く受け入れられている、神経ノイズが主にホワイトノイズまたはピンクノイズであるという仮定に挑戦すること。
• パワースペクトル密度によって定義される異なる「色」のノイズが、生物学的神経可塑性をよりよくモデル化できるかどうかを調査すること。
• 特に青ノイズを含む色付きノイズが、生物学的および人工ニューラル系における信号伝達および学習をどのように向上させるかを検討すること。
• 一般的なホワイトノイズではなく、周波数に特化したノイズスペクトルを用いたノイズ注入の再評価を提唱すること。
• 認知および神経計算における非一様スペクトル特性を示すノイズの機能的役割に関する、学際的研究を促進すること。

提案手法

• パワースペクトル密度（PSD）モデル S(f) ∝ 1/f^α を用いて、ノイズの色の理論的枠組みをレビュー。ここで α はノイズの色を定義する。
• 既存の神経科学文献を分析し、1/f（ピンクノイズ）が観察される場所を特定するとともに、他の α 値の検討が不足している点を指摘する。
• コンピューターグラフィックスやオーディオ工学から類似例を引き出し、青、緑、バイオレットノイズがデイタリングや知覚最適化に用いられていることを見出す。
• 人工ニューラルネットワークが、ホワイトノイズではなく色付きノイズを用いたデータ拡張によって、耐性および一般化性能が向上する可能性を提唱する。
• EEG、MEG、fMRI、および単一ニューロン記録における確率的補強の証拠をレビューし、特定のスペクトル特性を持つノイズが信号検出を向上させる可能性を示唆する。
• 現在の前処理（例：EEG／MEGにおけるローパスフィルタリング）が、機能的に有益な高周波数ノイズ成分を不測に除去している可能性を強調する。

実験結果

リサーチクエスチョン

• RQ1 非ホワイト、非ピンクのノイズスペクトルを神経信号処理および人工ニューラルネットワークに用いる場合、どのような機能的意味があるか？
• RQ2 画像処理や音声処理で見られるように、青ノイズや他の色付きノイズがデイタリングによって神経系における信号対ノイズ比を向上させ得るか？
• RQ3 なぜ神経科学分野ではホワイトノイズまたはピンクノイズの仮定が主に採用されてきたのか、その根拠は明確でない。この仮定の結果として生じる影響は何か？
• RQ4 発達、注意、タスク要請に応じて神経ノイズのパワースペクトル密度はどのように変化するのか？ これにより神経符号化にどのような含意が生じるか？
• RQ5 人工ネットワークに色付きノイズを組み込むことで、生物学的学習や耐性をどれほど再現または強化できるか？

主な発見

• 現在の文献がしばしば仮定しているように、脳内の神経ノイズはホワイトノイズやピンクノイズに限定されない可能性があり、より広範なスペクトル的特性を示す可能性がある。
• 高周波数成分にパワーが集中する青ノイズは、画像処理や音声分野のデイタリング応用においてホワイトノイズを上回ることが実証されており、神経信号処理においても利点をもたらす可能性がある。
• ノイズが弱い信号の検出を向上させる「確率的補強」は、ホワイトノイズ以外のノイズでも発生し得る。特に、高調波や共鳴が関与する場合には顕著である。
• 現在の神経データ前処理（例：EEG／MEGにおけるローパスフィルタリング）は、機能的に有益な高周波数ノイズ成分を不測に除去している可能性がある。
• 人工ネットワークにおけるドロップアウトは、脳内でのノイズ相関低減と類似しており、人工的および生物学的ノイズ管理の間の類似性を示唆している。
• 青や緑ノイズが神経系に直接的に存在する証拠はまだないが、理論的および学際的類似例から、それらが機能的に重要な役割を果たす可能性が強く示唆されている。