|
近年、実験技術の進歩に伴って、多数の神経細胞の活動の同時記録が可能になってきている。海馬や大脳新皮質のスライス培養では同一の発火パターンが繰り返し出現することが明らかになり、また、連続発火細胞数の分布が幕則に従うことも報告されている。これらの結果を説明するために我々はリカレント情報量最大化原理を提唱し、この原理に基づくモデルによってこれらの実験事実が再現できることを示した。特に今年度はこのモデルの中の神経細胞の特性が不均一な場合、どのような挙動が観察されるかを調べた。これによって、神経細胞モデルに不均一性があっても定性的には以前の均一性を仮定したモデルと同様の振る舞いが見られることがわかった。また、パラメタがモデル全体の振る舞いにどのような影響を与えるかを詳細に調べた。さらに、情報量最大化原理からトップダウン式に導いた以上のモデルとは別に、ボトムアップ的に情報量を最大化するモデルを構築することを試みた。以前のトップダウン式のモデルでは神経細胞の学習則は非常に複雑であり、実際の神経細胞について知られているシナプス可塑性と比較することは困難であった。そこで、フィードフォワードネットワークにおいて伝達される情報量を最大化するような学習則をボトムアップ的に構築し、これが実際の神経細胞によって実現されうることを確認した。続いてこのボトムアップ的なモデルに画像を入力として与えた場合に大脳皮質一次視覚野の単純型細胞に類似した選択性を持つ細胞が出現することを確認した。以前の我々のモデルでは一次視覚野の複雑型細胞の選択性の出現は説明ができなかったため、現在この新しいモデルによって複雑型細胞の選択性の自発形成を再現することを試みている。
|
