| 研究領域 | 多様な「個性」を創発する脳システムの統合的理解 |
|---|
| 研究課題/領域番号 |
16H06533
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
駒木 文保 東京大学, 大学院情報理工学系研究科, 教授 (70242039)
|
|---|
| 研究期間 (年度) |
2016-06-30 – 2021-03-31
|
| キーワード | ベイズ統計 / 点過程 / 時系列解析 / スパイクソーティング |
|---|
| 研究実績の概要 |
「個性」を適切に扱うための数理モデルを構築し、開発した数理モデルとベイズ統計に基づく脳科学関連データの解析手法の開発を進めた．また，開発した手法の適用により領域内の共同研究による実データ解析に取り組んだ． 昨年度までに開発に着手していた，カルシウムイメージングなどの画像データからノンパラメトリックベイズ法と無限混合モデルを用いることにより直接ニューラルデコーディングを行う手法についての研究をさらに進め，その成果についてまとめた論文を発表した．このような点過程モデルとノンパラメトリックベイズ法によるデータ解析手法に関連した数理統計学的な研究を進めた．特に，従来の点過程解析手法よりも精度の良い，昨年度までに開発したノンパラメトリックベイズ法による推定手法について，許容性などの数理統計学的に重要な性質についての研究を進めた．また，昨年度までに引き続き，複数の振動子の重ね合わせでデータが構成されていることを表現する統計数理モデルに基づく，時系列データから自動的に振動成分を抽出する統計解析手法を用いて，実データ解析による領域内での複数の共同研究を進めた．さらに，脳活動の光計測に基づくデータのベイズ統計学に基づく解析手法の開発を引き続き進め，領域内の共同研究により昨年度とは異なる実データへの適用を開始した．離散的な観測データから個性に関する基本的な次元を抽出するために，項目反応理論に基づくベイズ解析手法の開発を進めた．
|
| 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
脳科学分野において，実データから知見を得るのに有用な数理モデルの開発とモデルに基づく統計データ解析手法についての研究を進めることができた．特に手法についての数理統計学的性質について新たな知見が得られた．また，開発した数理モデルに基づく手法を用いた共同研究を進めることができた．
|
| 今後の研究の推進方策 |
数理モデルとベイズ統計に基づくでデータ解析手法を道いた領域内での共同研究をさらに進めるとともに，領域がも含めた共同研を推進する．また，開発した手法をプログラムの開発・公開により広く利用可能にすることを目指す．
|
