| 研究課題/領域番号 |
18K11527
|
|---|
| 研究機関 | 山口大学 |
|---|
研究代表者 |
佐村 俊和 山口大学, 大学院創成科学研究科, 准教授 (30566617)
|
|---|
| 研究期間 (年度) |
2018-04-01 – 2021-03-31
|
| キーワード | リカレントニューラルネットワーク / 脳 / 解剖構造 / 興奮性 / 抑制性 / 初期構造 |
|---|
| 研究実績の概要 |
本研究計画では，脳の中の解剖構造と脳の情報処理能力との関係の解明を目的とする．本年度では，脳の皮質領域などにおける神経細胞の種類などや構造などの解剖学的知見に着目し，皮質同様に神経細胞モデルが相互に結びつくリカレントニューラルネットワーク(RNN)の構築を行い，さらに解剖学的知見の導入によりRNNの情報処理能力がどのように影響されるかを調査した．脳の解剖学的知見として，興奮性神経細胞と抑制性神経細胞の区別，全結合か部分結合といった接続性，また，スモールワールド性の有無に着目し，これらの全部，または一部をRNN初期構造の制約として導入した．そして，時系列予測課題を用いてRNNの性能への影響を比較した．RNNを構成するニューロンが部分的に結合する構造と比較し，構成する全てのニューロン同士が結合する全結合構造を制約として与えたネットワークの方が，訓練データをより学習することができる．しかし，過学習が生じ未学習のテストデータに対する性能が低くなることが分かった．次に，この全結合のRNNに興奮性神経細胞と抑制性神経細胞を区別する制約を初期構造に与えることで，未学習のテストデータに対する性能が向上し，過学習が抑えられることが分かった．また，その興奮性神経細胞と抑制性神経細胞の比率が，脳の皮質領域と同様の割合の場合に性能が良いことが分かった．これらの結果より，興奮性神経細胞と抑制性神経細胞を区別し，脳と同様の比率とする制約をRNNの初期構造とすることで，RNNの過学習の抑制し情報処理能力の向上させることが示唆される．
|
| 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
本年度では，脳の皮質領域における神経細胞の種類などや構造などの解剖学的知見に着目し，皮質同様に神経細胞モデルが相互に結びつくリカレントニューラルネットワーク(RNN)の構築を行った．また，時系列予測課題を用いて性能を評価し，興奮性神経細胞と抑制性神経細胞を区別し，脳と同様の比率とする制約をRNNの初期構造として導入することで， RNNの過学習を抑制し情報処理能力の向上させる結果を得ており，現在までのところほぼ計画通りに研究が進展しているといえる．
|
| 今後の研究の推進方策 |
次年度では，本年度の成果に基づき，興奮性神経細胞と抑制性神経細胞を区別するRNN初期構造制約の他の課題や他のリカレントニューラルネットワーク(RNN)モデルへの適用性について調査する．また，脳の情報処理機構の利点の１つとして故障に対する頑健性が挙げられ，学習後のRNNの一部を破壊し，故障後も性能を維持できるか，その故障に対する頑健性についても調査を行う．
|
