2018 Fiscal Year Annual Research Report
A Study on Space / Sound Perception by Using Generative Deep Learning Systems
Publicly Offered Research
| Project Area | Correspondence and Fusion of Artificial Intelligence and Brain Science |
|---|
| Project/Area Number |
17H06024
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
池上 高志 東京大学, 大学院総合文化研究科, 教授 (10211715)
|
|---|
| Project Period (FY) |
2017-04-01 – 2019-03-31
|
| Keywords | 深層学習 / 位置細胞 / 潜在空間 / 時間圧縮 / VAE / GAN |
|---|
| Outline of Annual Research Achievements |
空間内を移動することで得られる感覚入力によって学習を行うことで、生成系の深層学習の潜在変数空間において獲得する構造を調べた。そのために３次元の仮想環境を作成し、この中を動くことで得られる視覚入力としてデータセットを構成した。
生成系の深層学習としては、Variational Autoencoder(VAE)に加え、VAEとDCGANの学習を同時に行うVAE-GANを用いておこなった。Hilbert Space Independence Criterion(HSIC)という手法を用いて、実際の位置座標と潜在変数空間へのマッピングの独立性を測ることで、定量的な評価をおこない、それによって、学習の結果できあがる潜在変数空間に、仮想環境における空間の構造が反映されていることを確認した。
さらに、VAEにおいて先のフレームを予測するように学習させることで、空間内を動くことで得られる画像のtrajectoryを再構成しうることがわかった。この生成の過程は力学系となっていて決定論的なシステムであるが、仮想空間内を移動する際に、分岐点で確率的に異なる方向に進むようなデータセットを用いた場合、得られるtrajectoryがカオス的になり、それによってこの確率的な振る舞いを再現できる場合があることを見出した。
このように内部的に生成された画像の時系列において、時間の圧縮が見られることを見つけた。海馬においては、経験したtrajectoryを脳内でたどり直す、Replayという現象が起こっており、その際時間の圧縮が起こること、またその圧縮はどこでも同じではなく、非一様に行われることが知られている。このメカニズム、とくに圧縮率の非一様性の起源はまだわかっておらず、この結果は、この現象の新たなメカニズムを示す可能性がある。
|
| Research Progress Status |
平成30年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
平成30年度が最終年度であるため、記入しない。
|
