2019 Fiscal Year Annual Research Report
Efficient learning algorithm utilizing internal fluctuation of the brain
| Project/Area Number |
17K00338
|
|---|
| Research Institution | Kyoto University |
|---|
Principal Investigator |
寺前 順之介 京都大学, 情報学研究科, 准教授 (50384722)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
松尾 直毅 大阪大学, 医学系研究科, 准教授 (10508956)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | 脳 / 自発活動 / 海馬 / 機械学習 / 人工知能 / シナプス可塑性 / 場所細胞 / 記憶痕跡細胞 |
|---|
| Outline of Annual Research Achievements |
海馬CA1錐体細胞のエピソード記憶獲得前後及び記憶消去過程と推定される期間の神経活動データについて、記憶痕跡細胞であると推定される細胞群と、そ例外の細胞群のそれぞれを特徴付ける神経活動時系列の特徴抽出を試みた．具体的にはL1制約条件化での時系列データからの線形判別を適用し，その結果，エピソード記憶獲得環境への新規導入時の神経活動に，有意な差が得られることを明らかにすることに成功した．また記憶痕跡細胞とその他の神経細胞の区分のない多数の神経活動データに対して、記憶獲得時、その前および後等の複数のセッションについて，セッション間での正準相関分析とLASSO回帰を用いた活動予測を行うことで，記憶獲得とその痕跡と思われる神経活動を同定することにも成功した．さらに，昨年度の研究で発見した生物学的に妥当性が高く，さらに高い柔軟性と効率性を持つ新たな学習アルゴリズムについて研究を進め，この学習アルゴリズムが誤差逆伝播法などの既存のニューラルネットワークの学習アルゴリズムが抱える問題点の多くを会計つ可能なことを発見した．具体的には敵対的攻撃に対する強い頑健性を有すること，情報符号化の最適性と頑健性のバランスを実現することで過学習を抑制可能なこと，時間展開といった特殊な前処理なしに時系列学習への適用が可能なことなどである．さらにこのアルゴリズムの拡張を実現し，学習と推定に必要な計算量を大幅削減するアルゴリズムを発見することにも成功した．
|
Research Products
(7 results)
