2016 Fiscal Year Research-status Report
神経細胞の確率的ふるまいを用いた生成的機械学習の開発と電子回路実装
| Project/Area Number |
16K12487
|
|---|
| Research Institution | Kobe University |
|---|
Principal Investigator |
松原 崇 神戸大学, システム情報学研究科, 助教 (70756197)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
上原 邦昭 神戸大学, システム情報学研究科, 教授 (60160206)
|
|---|
| Project Period (FY) |
2016-04-01 – 2019-03-31
|
| Keywords | ニューラルネットワーク / 非同期順序回路 / 機械学習 / ゆらぎ |
|---|
| Outline of Annual Research Achievements |
本研究課題は，いわゆる人工ニューラルネットワークと比較した場合に，生体神経系が持つ特徴である確率的な振る舞いとスパイク時刻信号について，それらを応用した機械学習アルゴリズムと実装法を研究開発することにある．申請書で初年度の課題として挙げていた「確率的振る舞いを利用した機械学習システムの開発」について，数理モデル，機械学習アルゴリズム，電子回路実装の三側面から実施した．確率的振る舞いの数理モデルという観点では神経可塑性の持つゆらぎが与える影響を解析し，神経細胞の活動を保つ恒常性をある程度説明可能であることを示した．機械学習アルゴリズムの開発においては生体神経系のスパイクという離散的信号を確率分布からのサンプルとみなすことで，目的関数の勾配法によって学習可能であることを示した．導かれた学習アルゴリズムは生体神経系のダイナミクスに照らしてもっともらしく，既存のスパイク信号処理機械学習アルゴリズムと比して教師なし学習・教師あり学習の両方に適しており，学習精度においても遜色ない．アルゴリズムの実装についても，申請者らがこれまで提案してきた電子回路実装に適した神経細胞モデルを応用することで，確率分布を近似する人工ニューラルネットワークであるボルツマンマシンにおいて，既存手法に比べより集積度の高いチップの開発につながる予備的結果を得た．また以上の応用例についてもいくつか検討を行い，発表を実施した．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
申請書で初年度に割り当てたテーマ「確率的振る舞いを利用した機械学習システムの開発」をほぼ実施でき，次年度以降の内容を一部先取りできているため．
|
| Strategy for Future Research Activity |
初年度に得られた各成果についてさらなる結果を示し論文誌に投稿するとともに，それらを横断的にまとめることで，次年度のテーマである「確率的ふるまいとスパイクを考慮した学習アルゴリズムの開発」を実施する．
|
