2017 Fiscal Year Annual Research Report
Neuron Model based on Interaction among Synapses on Dendrites
| Project/Area Number |
15K00332
|
|---|
| Research Institution | Kanazawa University |
|---|
Principal Investigator |
唐堂 由其 金沢大学, 電子情報学系, 准教授 (70636927)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
唐 政 富山大学, 大学院理工学研究部(工学), 教授 (90227299)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | ニューロン / 樹状突起 / シナプス / 相互作用 / ニューロンコンピューティング |
|---|
| Outline of Annual Research Achievements |
本研究では，樹状突起におけるシナプス間の非線形相互作用を考慮した新しいニューロンモデルを提案した。まず、シナプスの多様性とその非線形特性を二つのシナプスパラメーターをもつシグモイド関数で近似し，そのシナプスパラメーターの変化より複雑な非線形シナプス特性：興奮性シナプス；抑制性シナプス；常に１接触及び常に０接触の４つのシナプス状態を作り出すができた；更に、樹状突起における非線形作用を掛け算とした。そのため，同じ樹状突起の枝にある興奮性シナプスと抑制性シナプスの相互作用（掛け算）により，伝統なMcCulloch & Pittsモデルで実現できないシナプス間の相互作用やシナプス前抑制などを実現できた。
更に、本研究では，提案のモデルに対し，理論的な解析や計算機シミュレーションなど行い，既存の実験データなどと照らし合わせ，提案のモデルの有効性及び忠実性を確認した。まず、本提案のニューロン一つだけでも線形分離不可能なExOR問題，更に任意の複雑な論理関数を解くことができることを理論的証明した。次に、本提案のモデルで任意の複雑な連続関数に限りなく近似できることを数学的に証明し，計算機シミュレーションにより検証した。
最後に、本研究では，バックプロパゲーション学習則を本提案のモデルに適用し，提案モデルの学習アルゴリズムを確立した。まず、本研究では，樹状突起の数と形態が任意で，全てのシナプス間に相互作用があると仮定し、入力パターンと教師信号を与えた学習により、不要なものを淘汰し，必要なものを強化固定することで，成熟した機能の樹状突起を形成することができることを確認した。次に、運動方向検出ニューロンの樹状突起の構造、それらの樹状突起の詳しい構造や，結合状態までを同定することができた。更に、本研究では，本提案のモデルを用い、乳癌診断や経済動向予測などに応用し、その有効性を実証した。
|
