Theoretical Study on Probabilistic Slow Feature Analysis and Its Applications to Recognition Functions(Fostering Joint International Research)

2019 Fiscal Year Final Research Report

• Project/Area Number: 15KK0010
• Research Category: Fund for the Promotion of Joint International Research (Fostering Joint International Research)
• Allocation Type: Multi-year Fund
• Research Field: Soft computing
• Research Institution: Kobe University
• Principal Investigator: Omori Toshiaki 神戸大学, 工学研究科, 准教授 (10391898)
• Project Period (FY): 2016 – 2019
• Keywords: データ駆動科学技術 / 理論神経科学 / 実験神経科学 / 計算神経科学 / データ駆動型神経科学 / 脳型人工知能 / 統計的機械学習 / 非線形時空間ダイナミクス

Outline of Final Research Achievements

In this study, we proposed methods based on computational and data-driven approaches for extracting spatiotemporal dynamics in neural systems. For this purpose, we constructed methods for estimating neural systems by means of data-driven approaches by using mathematical models with detailed electrical properties and spatial structure of neural systems. By assimilating spatiotemporal systems extracted by data-driven methods with observed neural activity data, we constructed methods for estimating large-scale neural network models based on observable data.

Free Research Field

知能情報学，データ駆動科学，脳型人工知能

Academic Significance and Societal Importance of the Research Achievements

本研究では，計算科学とデータ駆動科学の融合により，計測データから神経システムの数理モデルの精緻な推定を実現する方法の構築を行った点において神経科学上の学術的意義を有すると考えられる．さらに，本研究では，数理構造の普遍性を抽出することで，スパースモデリングやベイズ推論を代表とするデータ駆動的手法により，神経システムの非線形ダイナミクスの推定のみならず，地球惑星科学などの他の学術領域における非線形ダイナミクスの抽出技術の構築をも行った．すなわち，本研究は，複雑ダイナミクスに従う動的システムをデータ駆動型手法で抽出するための共通的数理基盤を構築したという点においても学術的意義を有すると考えられる．