| 研究概要 |
本研究では, 扱いやすい確率的な生成モデルを構築することと, そのモデルを実際の学習・処理すべきデータ, およびそれを処理している最中の人間の脳活動計測データへ適用し, 挙動を調べることを目指している.
今年度は, まず確率的な生成モデルについては, 関連文献および関連学会を調査し, 現状の把握に努めた. とくに, 神経回路学会では, 手書き文字や自然画像を対象とした確率モデルとその学習, 対象やそれを処理中のモデルの内部状態や神経回路網についての情報量あるいは相互情報量を規範とした最適化などの, 本研究でのモデルの構築に必要なトピックの現状について有益な情報が多く得られた. 実際のモデルの理論構築やシミュレーションについては, 試行錯誤を開始した段階である. 現在, 単純なビット列の生成則を既存のあるいは新規の様々な方式で学習させ, 特性を調査している. この段階では, モデルのサイズを一定以上にすれば, 隠れ状態つきで生成される列でもうまく学習できるようにすることが目標である.
次に, MEG(脳磁場計測)などの脳活動計測データについては, ノイズや各種変動要因の影響が無視できない実際のデータに対して有効な解析を行うことを目指した. そのために, データ解析手法である逆問題解法の拡張として, 一種のロバスト化を提案した. これにより, 既存の手法に比べ, 実際の計測データに対してより安定的に脳神経の電気的活動を推定できると期待され, 脳活動の時間的・空間的機序がよりよく把握できる可能性が高まった.
|
