| 研究課題/領域番号 |
21K19812
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分61:人間情報学およびその関連分野
|
|---|
| 研究機関 | 株式会社国際電気通信基礎技術研究所 |
|---|
研究代表者 |
細谷 晴夫 株式会社国際電気通信基礎技術研究所, 脳情報通信総合研究所, 主任研究員 (50335296)
|
|---|
| 研究期間 (年度) |
2021-07-09 – 2024-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
6,500千円 (直接経費: 5,000千円、間接経費: 1,500千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
2021年度: 3,250千円 (直接経費: 2,500千円、間接経費: 750千円)
|
|---|
| キーワード | 高次視覚野 / モデルベースデータ解析 / 深層生成学習 / 計算モデル / モデル駆動データ解析 / 積計算 |
|---|
| 研究開始時の研究の概要 |
高次視覚野における「 顔認識系」の計算原理を解明するため、近年の提案者による「混合スパース符号化」理論から出た予測「顔ニューロンの反応が、顔カテゴリを判定する信号と、顔パーツを検出する信号の、積で表される」の実験的検証を、サルの高次視覚野の実験研究者との共同で行う。fMRI-単電極連関実験・データ駆動モデル推定・オンライン実験デザインといった最新の方法論により、顔ニューロンの計算過程を明らかにし、高次視覚野の一般物体表象の謎解明へ向けた突破口としていく。
|
| 研究実績の概要 |
本研究では、サルの高次視覚野における顔認識系の計算理論について、実験的検証を進めてきた。すでに発表した混合スパース符号化理論に基づき、積演算が行われているという理論予測を検証するため、階層的なモデルをデータから推定する手法を開発した。予備実験で得られた神経データを用い、半数のニューロンについて積演算を有している証拠を得ることができた。また、実験チームが準備している多電極実験に対応する解析手法の拡張も行い、多細胞データからモデルを推定し、新規刺激を生成する手法を開発した。ただし、実験側での技術的困難からまだデータは得られておらず、実際の実験検証は次年度以降に持ち越すことになった。一方、高次視覚野におけるカテゴリ化・恒常性・双方向性を考慮し、人工知能モデルの開発を行った。具体的には、深層生成学習の技術を用いて、カテゴリ・形状・３次元方位の３種類の隠れ変数を持つ変分オートエンコーダ型のアーキテクチャとその弱教師あり学習法を導入したモデルCIGMOを開発・実装した。ShapeNetという一般物体の画像セットで訓練し、恒常的クラスタリングやワンショット学習などのタスクにて、従来のモデルを凌駕する性能を示した。また、カテゴリ数が事前に不明な場合でも性能が維持されること、他の画像セットでも評価が可能であることが示された。さらに、このモデルに関する理論的な解析として、数学的証明が進め、識別可能性と呼ばれる性質についても説明した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
データ解析の研究では、実験側での技術的困難からまだフルスケールの実験データは得られておらず、実際の実験検証は次年度以降に持ち越すことになった。一方モデルの研究では一定の成果があり、論文を発表することができた。
|
| 今後の研究の推進方策 |
今後も、実験チームと協力して、より正確な計算理論を構築し、サルの高次視覚野における顔認識系の解明につなげていきたい。
|
