| 研究概要 |
本研究課題では,生物脳のように変化する外部環境との相互作用を介して,構造的および機能的に柔軟に自己組織化する神経回路網モデルの構築を目標としているが,本年度は,はじめに,固定構造下での教師なし学習法であるHebb則を構造改変にも適用できるように拡張した.つぎに、提案している時空間変化モデルに拡張Hebb則を適用し,連続的な構造改変とパラメータ改変の統合的な改変モデルを構築し,その性能評価を行った.
1.拡張Hebb則による連続的時空間変化モデルのプロトタイプ構築
これまでに提案している時空間変化モデルにおいては,統合モデルの一般的な統一的定式化に成功しているが,その解法が確立されていなかった.そこで,一般式をそのまま解くのではなく,解析可能となるように新しい自己組織型の神経回路網モデルを提案し,具体的定式化を進めた.新モデルは,構造がその機能を直接的に規定する機構をもつが,あらかじめ結合構造を与えるのではなく,開発した拡張Hebb則を用いることにより,外部環境からの入力に応じて結合構造,すなわち必要な機能を自己組織的に改変,獲得するモデルである.新モデルの開発により,時空間的変化統合モデルのプロトタイプが構築され,具体的性能解析が可能となった.
2.シミュレーションによる能力検証
開発したプロトタイプを計算機上にインプリメントし,パターン認識問題に適用した結果,認識に必要な対象の概念形成過程の幾つかの簡単な側面の再現が可能であるなど,従来のモデルにはない性能が確認された.とくに,従来の固定構造下での学習では,決められた枠内での機能改変にとどまっていたのに対し,自律的構造改変が可能になったことにより,新機能の付加や獲得など,従来の学習の枠組みを超える新しい結果が得られた.
|
