| 研究概要 |
脳科学と関連して,カオスニューロン素子から成る神経回路網モデルの動力学的構造の研究を行なった.初年度の当該研究により,確率的にスパイク間隔が決定されその統計的性質が異なるようなスパイク入力に対して,単一カオスニューロン素子の動的応答特性に有意な違いが生じ得ることを明らかにした.
本年度は初年度の結果を基に,個々の素子の応答特性の違いが神経回路網モデルのダイナミックスにどのように反映されるかについて研究した.その際,モデルの動的応答特性を評価するために,各時刻毎でのニューロンの応答の同期性に着目して,モデルの動的応答特性を評価した.具体的には,各時刻毎で同じ内部状態を有しているニューロングループを求め,グループ数の時間平均を調べた.その結果,入力の違いによってグループ数の時間平均が有意に異なることが明らかになった.つまり,入力の統計的な違いが神経回路網モデル内のニューロンの応答に関する同期性の違いとして現れることが分った.更に,2つの同じ構造をもったカオスニューロン素子から成る神経回路網モデルを互いに結合してやると,各々のモデルが同じ入力を受ける場合は同程度の同期性を示し,互いに異なる場合には同期の違いが結合がない場合より拡大されることが分った.このことは,モデル間の相互作用が,同じような入力の場合は互いに引き込みあい,異なる入力の場合は互いの違いを強調する効果を有することを意味する.今回得られた結果は,近年脳内の情報表現として注目されている「ダイナミカルコーディング」や「時空間コーディング」と関連した一種の情報表現を与えている考えられる.今後はこのような情報表現を如何にして動的にネットワークに学習されるのかについて更に詳しく研究を進める予定である.
|
