2017 Fiscal Year Research-status Report
| Project/Area Number |
16K00329
|
|---|
| Research Institution | University of Yamanashi |
|---|
Principal Investigator |
服部 元信 山梨大学, 大学院総合研究部, 准教授 (40293435)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | 大脳皮質モデル / 破局的忘却 / 擬似リハーサル / 擬似パターン / No-Prop / Hebb則 |
|---|
| Outline of Annual Research Achievements |
本年度は，長期記憶の座である大脳皮質モデルに関する二つの研究を行った．一つは，昨年度の研究で行った，誤差が逆伝搬しない学習法における破局的忘却の抑制性能の向上に関する研究である．もう一方は，生物学的な知見に基づいた学習法を導入した大脳皮質モデルにおける破局的忘却の調査に関する研究である．
誤差を逆伝搬しない学習法については，学習法を改良することで破局的忘却の抑制を向上させることを目的とした研究を行った．誤差を逆伝搬しない学習法では，最終中間層のニューロン数以下の学習パターン数であれば，正しく学習できることが示されている．この容量制限により，擬似リハーサルで用いることのできる擬似パターン数が制限され，従来法では破局的忘却の抑制性能が高くなかった．そこで本研究では，この容量制限を超える擬似パターン数を学習に用いる代わりに，学習の終了判定を学習パターンと擬似パターンとで分け，さらに擬似パターン数に応じて擬似パターンに対する学習率を変化させる手法を考案した．これにより，従来法よりも優れた破局的忘却抑制性能が得られることを計算機実験により明らかにした．
また，生物学的知見に基づいた学習法を導入した大脳皮質モデルに，擬似リハーサルを導入することで，破局的忘却がどの程度抑制可能かを調査することを目的とした研究を行った．これまでに提案している大脳皮質モデルは，階層型ニューラルネットワークを誤差逆伝搬法で学習するため，生物学的に妥当な学習法とはいえなかった．そこで，この学習法をHebb則に基づく学習法に置き換えた．Hebb則は脳の神経回路網でも確認されている生物学的に妥当な学習法である．さらに，このネットワークに擬似リハーサルを導入することで，破局的忘却の抑制が可能であることを計算機実験により明らかにした．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初の計画通り，睡眠時の脳活動における生理学的な知見の調査を行った．また，長期記憶のための大脳皮質モデルの改良を行い，良好な結果を得ている．以上より，現在までのところほぼ計画通りに研究が進展しているといえる．
|
| Strategy for Future Research Activity |
今後の研究では，認知心理学，認知科学の分野の学会に参加をして，宣言的記憶に関する細心の研究成果の調査を行っていく．
|
