研究課題
本研究「高次元非線形ダイナミクスを用いた新しい音声情報処理機構の構築」では、リザーバ計算を基に、聴覚データを想定した多次元時系列データに適用可能なモデリング原理の確立と、その応用を目指している。平成２８年度は、モデリングの基本原理の確立に取り組んだ。リザーバ計算とスパース性に基づく多次元時系列データの符号化の手法を提案した。この手法では、動的に生成されるカーネル関数と駆動系時系列のスパース性を考慮して符号化を行う。人工的に生成した比較的簡単な高次元時系列データについて、効率的にデータの符号化が可能であること、時系列データのエラー訂正に応用出来ることを示した。また符号化を高速化するアルゴリズムの改良を行った。また高次元非線形ダイナミクスの動力学特性の解析に取り組んだ。特にネットワークの結合強度が動的に変化する動的シナプスを含み不均一な結合パターンを持つニューラルネットワークについて、その平均場モデルの導出したうえで分岐構造解析を行うことで、多様な準周期的振動を含む動力学構造の詳細を明らかにした。脳の聴覚系の情報処理の機構をモデル化することで、予測符号化とリザーバ計算を組み合わせたモデリング原理を構築した。このモデルでピッチパターンの知覚に関連するミスマッチネガティビティと呼ばれる人の脳活動を定性的に再現することに成功した。また今後のモデル拡張の基盤になることを確認することが出来た。さらに聴覚知覚と類似の機構が視覚系にも存在することに見いだし、提案モデルが視覚系の機能不全の機序を説明するモデルになる可能性を臨床分野の研究者と議論した。
1: 当初の計画以上に進展している
研究は当初の計画以上に進展している。特に脳の聴覚系の知覚機構を調査、モデル化することで、新しい研究の方向性が明らかになった。聴覚系のみならず視覚系の情報処理への拡張の可能性を議論することが出来た。
今後は、実データを用いた提案手法の評価を行う。大規模かつ複雑な高次元時系列データを用いる。また大規模データを想定し、さらに計算の効率化を図るアルゴリズムの改良を行う。さらにネットワークの階層化にも取り組む。また時系列データの認識、予測、生成と多面的にその特性を解析していく。
研究を進めていく上で、必要に応じて研究費を執行したため、当初の見込み額と執行額が異なった。
研究計画に変更はなく、前年度の研究費も含め、当初の予定通りの計画を進めていく。
すべて 2017 2016
すべて 雑誌論文 (1件) (うち国際共著 1件、 査読あり 1件、 オープンアクセス 1件、 謝辞記載あり 1件) 学会発表 (3件) (うち国際学会 3件、 招待講演 2件)
Frontiers Computational Neuroscience,
巻: Vol.11, Article#1830 ページ: 1,19
10.3389/fncom.2017.00018
