| Research Abstract |
脳における宣言的記憶の形成では,海馬が一時的な記憶の貯蔵庫,大脳皮質が最終的な記憶の貯蔵庫として機能していると考えられている.本研究では,生理学,解剖学,神経心理学などの知見に基づき,海馬と大脳皮質を含む神経回路網のモデル化を行い,両者における相補的な学習の仕組みを主に計算機シミュレーションによって明らかにすることを目的としている.
これまでの研究では主に海馬モデルの構築を行ってきたが,今年度の研究では,海馬と大脳皮質を含む神経回路網のモデル化を行い,海馬と大脳皮質における相補的な学習の仕組みを計算機シミュレーションによって調査した.構築したモデルは,構造と学習方法の異なる2つのネットワークからなり,それぞれ海馬と大脳皮質に相当する.前者に相当するネットワークには,海馬で主要な役割を果たしていると考えられるCA3と同様に再帰的な結合を有する,相互結合型の連想記憶モデルを採用した.このモデルに忘却付きのヘッブ学習を導入することにより,海馬で行われていると考えられる,高速かつ逐次的な学習が可能となり,また,短期的な記憶として機能することがわかった.一方,後者のネットワークは,誤差逆伝播法で学習される階層型ニューラルネットワークとした.これにより,学習に時間はかかるが長期記憶を実現するための大記憶容量が実現可能となった.さらに,海馬から大脳皮質への記憶の転写においては,連想記憶モデルにカオスニューロンを導入することにより,海馬に蓄えられた記憶の抽出を可能とした.また,これを階層型ニューラルネットワークから生成された擬似パターン群とともに,改めて階層型ニューラルネットワークに学習させることで,破局的忘却を抑制しつつ長期記憶を形成できることを明らかにした.
|
