• Search Research Projects
  • Search Researchers
  • How to Use
  1. Back to previous page

能動的視覚情報処理の神経回路モデルによる研究

Research Project

Project/Area Number 10164231
Research Category

Grant-in-Aid for Scientific Research on Priority Areas (A)

Allocation TypeSingle-year Grants
Research InstitutionOsaka University

Principal Investigator

福島 邦彦  大阪大学, 大学院・基礎工学研究科, 教授 (90218909)

Project Period (FY) 1998
Project Status Completed (Fiscal Year 1998)
Budget Amount *help
¥1,800,000 (Direct Cost: ¥1,800,000)
Fiscal Year 1998: ¥1,800,000 (Direct Cost: ¥1,800,000)
Keywords神経回路モデル / 自己組織化 / 視覚神経系 / 複雑型細胞 / 位置不変性受容野 / 競合学習 / LTP / LTD
Research Abstract

第1次視覚野に見られる複雑細胞のように,最適刺激が受容野内のどこに提示されても反応する細胞を,自己組織的に形成させるための新しい学習則を提唱した.この学習則によれば,入力層を横切って動く種々の方位の直線を学習刺激として与えているだけで,単純型や複雑型の受容野を自己組織的に形成させることができる.この新しい学習原理の有効性を,入力層,S細胞層(単純細胞型の受容野),C細胞層(複雑細胞型の受容野)で構戚される3層の神経回路を用いて,シミュレーションで実証した.
新しい学習則では,S細胞への入力結合は,ネオコグニトロンの場合と同じようにwinner-take-all型の競合学習(後シナプス側の細胞間の競合)によって形成される.C細胞への入力結合も,S細胞と同じように競合学習によって形成されが,S細胞がその瞬時出力の大きさに基づいて競合するのに対して,C細胞はその出力の残効(traceすなわち時間平均)に従って競合する.また,S細胞は競合による勝者だけが入力結合を強める(勝者への入力結合にLTPを起こす)のに対し,C細胞の場合は,勝者が入力結合を強める(LTPを起こす)と同時に,敗者は入力結合の強度を減らしていく(LTDを起こす).
このときC細胞層にも抑制性細胞を導入し,興奮性シナプスだけでなくC細胞への抑制性シナプスも同時に強化することが,C細胞の自己組織化にとって重要である.以前筆者らが示したように,抑制性細胞がなくても廖雑な学習則を用いれば位置不変性受容野を自己組織的に形成させることは可能であるが,抑制性細胞があると窟単な学習則で自己組織化が可能になる.なおC細胞への抑制結合は,興奮性入力信号の総和が抑制性入力信号を上回ることがないように,興奮性結合の増加につれて増加させる.

Report

(1 results)
  • 1998 Annual Research Report
  • Research Products

    (7 results)

All Other

All Publications (7 results)

  • [Publications] 松田秀樹: "頂点の遮蔽された図形の動き検出神経回路モデル" 電子情報通信学会論文誌D-II. J81-D-II[10]. 2330-2340 (1998)

    • Related Report
      1998 Annual Research Report
  • [Publications] Kunihiko Fukushima: "Neocognitron with improved bend-extractors:recognition of handwritten digits in the real world" Neural Computing & Applications. (to appear). (1999)

    • Related Report
      1998 Annual Research Report
  • [Publications] Osamu Watanabe: "Stereo algorithm that extracts a depth cue from interocularly unpaired points" Neural Networks. (to appear).

    • Related Report
      1998 Annual Research Report
  • [Publications] 菊池眞之: "アモーダル補完及び奥行き情報の復元を行う神経回路モデル" 電子情報通信学会論文誌D-II. J82-D-II(to appear). (1999)

    • Related Report
      1998 Annual Research Report
  • [Publications] Kunihiko Fukushima: "Neocognitron with improved bend-extractors" Proceedings of the 1998 International Joint Conference on Neural Networks,Volume 2. 1172-1175 (1998)

    • Related Report
      1998 Annual Research Report
  • [Publications] Kunihiko Fukushima: "Self-organization of shift-invariant receptive fields through pre- and post-synaptic competition" International Conference on Neural Information Processing. 653-656 (1998)

    • Related Report
      1998 Annual Research Report
  • [Publications] L.C.Jain: "Intelligent Techniques in Character Recognition:Practical Application(to appear)" CRC Press, (1999)

    • Related Report
      1998 Annual Research Report

URL: 

Published: 1998-04-01   Modified: 2016-04-21  

Information User Guide FAQ News Terms of Use Attribution of KAKENHI

Powered by NII kakenhi