文脈依存の多様体学習：ニューロモジュレーション機構を備えた制約付きオートエンコーダアプローチ

要旨: 制約付きオートエンコーダ（cAE）は、潜在空間に幾何学的構造を課すことによって、解釈可能な次元削減への道を提供します。しかし、標準の cAE は、文脈の変化を入力データと混同せずに、変動する物理パラメータや環境条件に適応できません。この問題を解決するため、cAE フレームワークにニューロモジュレーション機構を組み込み、文脈依存の多様体学習を可能にしました。本論文は、静的な文脈情報に条件付けられたゲインとバイアスの調整によって幾何的制約を適応的にパラメータ化する『ニューロモジュレートされた制約付きオートエンコーダ』（NcAE）を提案します。動的システムを用いた実験結果は、NcAE が異なるレジーム間で多様体の幾何がどのように変化するかを正確に捉えながら、射影特性を厳密に保つことを示します。これらの結果は、ニューロモジュレーションがグローバルな文脈パラメータを局所的な多様体表現から効果的にデカップリングすることを示しています。このアーキテクチャは、(非定常) 環境制約を受けるシステムにおいて、より柔軟で物理情報を取り入れた表現を開発するための基盤を提供します。