パルス型ニューロデバイスのためのニューラルネットモデルに関する基礎的研究

1995 Fiscal Year Annual Research Report

• Project/Area Number: 07248204
• Research Institution: The University of Tokyo
• Principal Investigator: 岡部 洋一 東京大学, 先端科学技術研究センター, 教授 (50011169)
• Co-Investigator(Kenkyū-buntansha): 柴田 克成 東京大学, 先端科学技術研究センター, 助手 (10260522) ; 北川 学 東京大学, 先端科学技術研究センター, 助手 (30110711)
• Keywords: ニューラルネットワーク / 時系列 / パルスニューロン

Research Abstract

本研究では生物の情報処理に学びパルス表現を施したニューラルネットワークモデルの処理原理の解明およびシミュレーション解析による機能の実証を行なっている。ニューラルネットワークが有する利点としてその学習機能があげられるが、学習によって獲得される情報はニューロン間の結合であるシナプスのシナプス荷重に記憶され、その記憶方法はニューロン単体の局所的な情報によって行われると考えられている。ニューロンの局所的学習方法としてはヘッブ学習が知られているが、本研究で用いたパルス表現によるニューラルネットワークにヘッブ学習が適用可能であるか検討した。パルスニューラルネットワークにおいては、ニューロンの入力および出力は一定振幅のパルスとなっている。またニューロンの内部状態として入力パルスの時間減衰和を用いているので、減衰の時定数以下の時間的に近接した複数の入力パルスに対してニューロンは発火することが可能である。従って出力パルスの原因となった入力パルスは時間的に差異を伴うので、一般的なヘッブ則を直接的に適用することはできない。そこで単一のパルスで表現していた情報を近接する複数のパルス(バースト)によって表現し、時間的な入出力パルスの差異を獲得可能とした。この方法を用いたシミュレーション解析によって、一般的なヘッブ則が実現できることを示した。さらに入力パルス列を設定し、ランダムに結合されたネットワークを用いてヘッブ則に必要な各ニューロンの入出力相関を観測することによって入力パルス列に特有なネットワーク構造が獲得されることをシミュレーション解析によって示した。入力パルス列が周期的である場合、獲得されるネットワーク構造としてはニューロンのループ構造およびそのループに駆動されるニューロン群によって構成されることを示した。

Research Products

• [Publications] 市瀬 夏洋(筆頭著者): "短期バースト同期検出ニューロンモデルと時間相関学習" 日本神経回路学会第6回全国大会講演論文集. P2-12. 161-162 (1995)
• [Publications] 市瀬 夏洋(筆頭著者): "An Analysis of Coincidence Detector Networks" IEEE International Conference on Neural Networks. 3. 1525-1529 (1995)
• [Publications] 柴田 克成(筆頭著者): "相関情報抽出ネットによるステレオ画像上物体の奥行き情報抽出の教師なし学習" 日本神経回路学会第6回全国大会講演論文集. O6-4. 231-232 (1995)
• [Publications] 成沢 敦(筆頭著者): "信号変動幅を考慮したモデレ-ショニズムに基づくニューラルネットワークの学習" 日本神経回路学会第6回全国大会講演論文集. P1-14. 76-77 (1995)