| 研究課題/領域番号 |
21K19812
|
|---|
| 研究機関 | 株式会社国際電気通信基礎技術研究所 |
|---|
研究代表者 |
細谷 晴夫 株式会社国際電気通信基礎技術研究所, 脳情報通信総合研究所, 主任研究員 (50335296)
|
|---|
| 研究期間 (年度) |
2021-07-09 – 2024-03-31
|
| キーワード | 高次視覚野 / モデルベースデータ解析 / 深層生成学習 |
|---|
| 研究実績の概要 |
本研究では、サルの高次視覚野における顔認識系の計算理論について、実験的検証を進めてきた。すでに発表した混合スパース符号化理論に基づき、積演算が行われているという理論予測を検証するため、階層的なモデルをデータから推定する手法を開発した。予備実験で得られた神経データを用い、半数のニューロンについて積演算を有している証拠を得ることができた。また、実験チームが準備している多電極実験に対応する解析手法の拡張も行い、多細胞データからモデルを推定し、新規刺激を生成する手法を開発した。ただし、実験側での技術的困難からまだデータは得られておらず、実際の実験検証は次年度以降に持ち越すことになった。一方、高次視覚野におけるカテゴリ化・恒常性・双方向性を考慮し、人工知能モデルの開発を行った。具体的には、深層生成学習の技術を用いて、カテゴリ・形状・３次元方位の３種類の隠れ変数を持つ変分オートエンコーダ型のアーキテクチャとその弱教師あり学習法を導入したモデルCIGMOを開発・実装した。ShapeNetという一般物体の画像セットで訓練し、恒常的クラスタリングやワンショット学習などのタスクにて、従来のモデルを凌駕する性能を示した。また、カテゴリ数が事前に不明な場合でも性能が維持されること、他の画像セットでも評価が可能であることが示された。さらに、このモデルに関する理論的な解析として、数学的証明が進め、識別可能性と呼ばれる性質についても説明した。
|
| 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
データ解析の研究では、実験側での技術的困難からまだフルスケールの実験データは得られておらず、実際の実験検証は次年度以降に持ち越すことになった。一方モデルの研究では一定の成果があり、論文を発表することができた。
|
| 今後の研究の推進方策 |
今後も、実験チームと協力して、より正確な計算理論を構築し、サルの高次視覚野における顔認識系の解明につなげていきたい。
|
| 次年度使用額が生じた理由 |
コロナ禍で国際会議が中止になるなどにより出張費などを次年度に繰り越した。
|
