| 研究課題/領域番号 |
17H01794
|
|---|
| 研究機関 | 中部大学 |
|---|
研究代表者 |
津田 一郎 中部大学, 創発学術院, 教授 (10207384)
|
|---|
| 研究分担者 |
奈良 重俊 岡山大学, 自然科学研究科, 特命教授 (60231495)
山口 裕 福岡工業大学, 情報工学部, 助教 (80507236)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| キーワード | 自己再組織化 / モジュール型ニューラルネットワーク / 複合型視覚性幻覚 / レビー小体型認知症 |
|---|
| 研究実績の概要 |
視覚野、前頭前野、側頭葉の三つのモジュールからなるニューラルネットワークモデルを構築した。まず、健常者における視覚認識機能をモデルで確認するために前頭葉で生成されると想定したインデックス情報と視覚野で生成される視覚像を多数ペアーにして側頭葉の連想記憶回路に埋め込んだ。各モジュールは、それぞれ900個、1200個、900個のニューロンからなるニューラルネットワークである。また、各視覚像はリミットサイクル型のアトラクターで表現されるように学習させた。まず最初に、インデックス情報と視覚像の連想記憶が正常に学習されることを確認した。次に、モジュール間の結合に欠損がある場合にどのように連想が変容するかを調べた。かなりの欠損があっても連想回路は正しく機能するが、ある臨界点を超えると異常な連想が起こり出力の視覚像は正しいインデックスに対応するものとは異なるものになることが分かった。これらの結果を2019年7月に開催された神経回路網国際合同学会(IJCNN 2019）で発表した。また、視覚野から前頭前野への低周波フィルターの役目を果たす長距離結合に欠損が生じた場合に連想された視覚像に異常が生じる条件を明らかにする研究を行った。この低周波フィルターは視覚シーンの概略を素早く前頭葉に送り視覚像が何であるかの即断を促す役目を果たしている。連想回路をヘブ学習によって自己組織させ、欠損後に相互情報量を最大化する学習を行うとむしろヘブ学習と逆の効果が表れる可能性があることが示唆された。この点をさらに研究していく。
|
| 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
モデル構築、シミュレーション、理論的考察は計画通り進行している。成果もほぼ予想通りのペースで上がってきた。しかしながら、年度最終段階でCOVID-19による世界的パンデミックによって予定していた研究打ち合わせのための研究集会を実施できなかった。この当初計画部分は来年度に持ち越しとなった。
|
| 今後の研究の推進方策 |
COVID-19による自粛で研究集会が実施できなかったので、来年度に持ち越した。来年度において、コロナ禍が続くようであれば対面での研究集会は断念し、ウェブを使ったバーチャル研究会の形式で行う予定である。モデル構築とその検討、シミュレーション、理論的考察は計画通り行う予定である。
|
