| 研究概要 |
視覚系において、抽出した特徴を群化して、その物体の属性を知覚する皮質過程を理解することを目的として研究をおこなった。本研究では、心理実験の結果を基にして、生理学対応が具体的かつ詳細な、特徴を群化する皮質機構の計算論的モデルを提案した。特に、皮質処理の各階層で、その階層が抽出した特徴が、その階層の文脈依存性に従って群化されていくという仮説をたて、これを定量的に検証した。
具体的には、V1,V2の刺激文脈依存性を実装した、生理学的にリアリスティックな計算論的神経回路モデルを提案した。モデルの主要な要素は、(1)線分方位の抽出、(2)周辺抑制・促進による文脈依存性の実現、(3)輪郭属性(図方向)の決定、である。このモデルが、線分知覚と面知覚の心理物理学的特性・生理学的特性を再現するかどうかを、シミュレーションによって定量的に検証した。
モデルは、既に提案したV1モデルとV2モデルを基に、これらを統合・発展させて構築した。モデルは、V1細胞の刺激文脈依存性を実装したことにより、多くの傾斜錯視を定量的に説明した。また、周辺抑制・促進の機構によって、V2の神経細胞モデルが、T-junctionやownership junctionの検出機構を含まないで、V1細胞によって抽出されるコントラスト情報だけから面の方向(direction of figure)を判断できることを示した。提案したV1-V2神経回路モデルは、輪郭知覚・図方向知覚の両方を説明し、その生理学的・心理物理学的特徴を定量的に再現した。特に、単純な機構にランダムなばらつきがあると、様々な刺激に対して、高い一貫性と頑健性を示すことが判った。
モデルの構築・シミュレーションには、申請者らが開発した、視覚系の大規模モデルの研究に最適化されているNEXUS Neural Network Simulation Environmentを利用した。汎用的なCPUを搭載したPCを購入し、これを既存のPCとギガビット・ハブによって結合して,大規模シミュレーションを実現した。
|
