| 研究概要 |
本研究の主目的である、高等動物の高次脳機能の一つであり、最近その理論的モデルの解明が期待されている、バインディング問題をうまく解析でき、工学的応用に結びつくモデルの開発と、応用に関して、今年度は、もっとも基礎的なネットワークモデルを開発した.当初の計画では、ニューロンの巧妙な、パルスモデルを元に研究を進める予定であったが、シミュレーションにより検討を行った結果、実施計画に述べた、確定的神経回路モデルが、上記結合問題をうまく取り扱えることが判明した.これはニューロンが引き込み現象をうまく使って同期などの結合機能を行っているとの見地から、従来のアナログニューロンの自然な拡張として扱える複素ニューラルネットワークを開発することにより得られた.(原稿準備中)今後は、このモデルを用いた、いろいろなバインディング問題の説明と脳機能の解明、及び工学的応用に結びつけいていく予定である.また、このモデル開発の途上で、カクテルパーティ効果への応用を考える前段階として音声認識ネットワークの検討を行った結果、単語認識において、非常によい認識結果を示すネットワークを開発した.ニューラルネットを用いた音声認識において高い認識率をもつ成功例として,ニューラル予測モデルがある.このニューラル予測モデルでは,1つの識別カテゴリに対して10個程度のMLPが必要になり,システムの規模が肥大化する.また,学習においても誤差逆伝播法、動的計画法の複合という繰り返し学習により,それぞれ単体での適用に場合に比べて計算量が非常に多い.これに対して,時系列の扱えるリカレントネットワークを用いたリカレントニューラル予測モデルによりネットワークサイズを格段に縮小し,学習効率を上げながら,非常に高い認識率が得られることを示した.
|
