研究課題
本研究の目的は、生物の脳の記憶システムの優れた機能に基づいて、時空間文脈情報の記憶への書き込みとその読み出しの機能を単層ニューラルネットワークによって実現し、その根本原理を明らかにすることにある。本年度の研究では、記憶システムにおける時空間文脈情報の書き込みメカニズムの理論構築を行った。相反する特徴を持つHebb則と時空間学習則のパターン分離機能の違いがどのような自己組織化の原理に基づくものかを検討し、特にHebb則と時空間学習則の大きな違いである「ニューロン発火の依存性」に着目してその学習メカニズムを明らかにした。Hebb則では入力ベクトルと重みベクトルの内積が閾値を超えて細胞群が発火すると、発火した細胞群の重みが強化される。学習が進むと入力ベクトルに最も似た重みを持つ細胞群が強化されていくため、学習後は入力ベクトルの周りに単峰性の急峻な分布を構成する。一方、時空間学習則は入力ベクトルの中の成分要素間の関係（一致性、同期性）を学習する。新規の入力に対して細胞群の発火に関係なく入力ベクトルの周りに新たな単峰性の分布を作りだしていくため、類似した系列情報が入力されると学習後の重みベクトルは多峰性の分布になることがわかった。このようにHebb則と時空間学習則に構築される重みベクトルの分布の違いを明確にすることで、時空間文脈入力に対するパターン分離能力の本質的なメカニズムを明らかにした。記憶の読み出しに関しては、時間スケールの長い情報に対して時間スケールの短い情報が階層構造（フラクタル構造）を構成することで情報の分節化が行われている可能性を新たに見出した。特に時空間学習則の学習率が高いパラメータ領域においてこの性質が現れることが明らかになった。これらの成果は国際学会で発表し、論文および本として出版した。
すべて 2020 2019
すべて 雑誌論文 (3件) (うち査読あり 3件) 学会発表 (8件) (うち国際学会 4件、 招待講演 7件) 図書 (2件)
Advances in Cognitive Neurodynamics (VII)
巻: - ページ: -
2019 International Joint Conference on Neural Networks (IJCNN)
巻: - ページ: 1-8
10.1109/IJCNN.2019.8851916
