Publicly Offered Research
Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
フィードフォワードネットワークにおいて,入力から出力へ伝達される情報量ができるだけ大きくなるように結合を変化させる学習則を導いた.この回路で写真の一部を切り出したものを入力として使い,学習を行うと,出力素子は単純型細胞に類似した選択性を持つようになる.さらにこの単純型細胞的な素子の出力を入力としてフィードフォワードネットワークの次の層の学習を行うと,第二出力層の素子は複雑型細胞にきわめてよく類似した選択性を持つようになることがわかった.具体的には,線分の平行移動に対して応答が変化せず,方位選択性は単純型細胞よりもやや弱く,受容野の中心に最適方位と直交する方位の線分を提示すると抑制され,古典的受容野の外に最適方位に一致する方位の線分を提示すると抑制され,古典的受容野の外に最適方位に直交する方位の線分を提示すると興奮を示す.すなわち,phase invariance,orientation alignment suppression, orientation contrast facilitationを示した.さらに,超複雑型細胞の特徴として知られるend-stoppingを示す素子もあり,この多層フィードフォワードネットワークモデルは単純型細胞・複雑型細胞・超複雑型細胞の三種類,すなわち皮質一次視覚野に存在するとされる細胞すべての選択性を再現できることがわかった.これによって,単純型細胞と同様に複雑型細胞の選択性も皮質が保持する情報量を最大化しているという仮説から説明されることが明らかになった.さらに,このモデルの結果から逆に考えると,複雑型細胞の本質は並進変換不変性を持つことではなく,むしろテクスチャの境界に対して応答することであることがわかった.
24年度が最終年度であるため、記入しない。
All 2013 2012 2011 Other
All Journal Article (3 results) (of which Peer Reviewed: 2 results) Presentation (16 results) (of which Invited: 1 results) Remarks (2 results)
Neural Computation
Volume: vol. 24 (no. 10) Issue: 10 Pages: 2700-2725
10.1162/neco_a_00341
120005243445
電子情報通信学会技術研究報告
Volume: 111(483) Pages: 165-169
110009546305
Physical Review Letters
Volume: vol.106Issue 22 Issue: 22 Pages: 224101-224101
10.1103/physrevlett.106.224101
http://www.brn.dis.titech.ac.jp/~ttakuma/research.html
http://www.brn.dis.titech.ac.jp/~ttakuma/