| 研究課題/領域番号 |
17K00344
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
ソフトコンピューティング
|
|---|
| 研究機関 | 九州工業大学 |
|---|
研究代表者 |
立野 勝巳 九州工業大学, 大学院生命体工学研究科, 准教授 (00346868)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2018年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2017年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
|
|---|
| キーワード | スパイキングニューラルネットワーク / 内側側頭葉 / 嗅内皮質 / 海馬 / GPU / 8字迷路課題 / 嗅周皮質 / 痕跡恐怖条件づけ学習 / 痕跡恐怖条件付け学習 / ニューラルネットワーク / 場所細胞 / 時間細胞 |
|---|
| 研究成果の概要 |
スパイキングニューラルネットワーク（SNN）の並列計算用ライブラリを用意し、大規模なSNNを高速に計算する環境を整えた。このライブラリを用いて、嗅内皮質の格子細胞や頭方位細胞を作成し、海馬に場所細胞を形成するSNNを構築した。海馬SNNに行動選択SNNを追加することで、報酬依存の空間学習が可能となった。時間細胞を含むSNNも作成し、過去の経路に依存する空間学習を実施した。高速計算が可能なったことで、移動ロボットに海馬SNNを接続し、移動ロボットの移動速度や頭の向きに応じて実時間で海馬SNNに場所細胞が形成された。また、コンパートメント型錐体細胞のSNNにおいても時間細胞様の振る舞いを再現した。
|
| 研究成果の学術的意義や社会的意義 |
ニューラルネットワークの中でも、SNNを用いた研究が盛んに行われるようになってきた。誤差逆伝搬法のような人工ニューラルネットワークの理論がSNNに適用できるようになってきたことが理由である。一方で、SNNの計算は、連立微分方程式を数値解法により解くため、計算負荷が高い。本研究成果によるライブラリはGraphics Processing Unitを意識することなく、並列計算によりSNNを作成でき、高速な計算を容易にする点で意義がある。本研究は、海馬に特化し、空間の場所表現に関するSNNを対象としたが、別の脳領域のSNNの構築も可能であるので、より大規模で機能的なSNNを構築することを可能にする。
|
