|
本研究は，複雑・非線形な脳のダイナミクスと，その背後にある潜在因子の理解を目的とする．そのために本研究では特に，代表者らが近年開発した非線形独立成分分析（ICA）手法を理論的にさらに発展させることで，新たな深層学習に基づく非線形ダイナミカル表現学習法を開発し，脳の非線形ダイナミクスとその背後にある潜在因子の推定を目指す．
本年度は前年度から引き続き，脳ダイナミクスの背後にあり，それをコントロールしている潜在因子の抽出と理解に向けた，非線形ダイナミカル表現学習法の研究を行った．提案法は，近年代表者らが提案した深層学習に基づく非線形ICAを，内部に再帰的な結合と外部入力を持つダイナミカルモデルへと理論的に拡張したものであり，潜在成分にある種の仮定を持たせることで，その理論的な同定性の保証が可能となる．本年度は，前年度において提案した自己教師学習に基づく推定法に加え，さらに教師なし学習に基づく推定法を提案した．新しい教師なし推定法は自己教師学習のように補助観測変数を必要としないため，より汎用性の高い手法であるといえる．提案法の優位性をシミュレーションデータで評価したほか，実データでの有効性を示すため，脳磁図により計測された20人の被験者の脳活動データにも適用した．その結果，外部刺激（ここでは視覚，聴覚）に対応する成分が抽出されることを示し，神経科学的に妥当な結果を得ることができた．また，それらの潜在成分の被験者間での類似度を評価した結果，提案法による潜在成分が他手法よりも高い類似度を持つことが示された．これらの結果はヒトの脳ダイナミクスを理解する上で重要な知見であるといえる．また，提案手法は非線形ダイナミクスを解析する上で極めて汎化性の高い手法であり，脳に限らず様々なダイナミクスに適用可能であるため，今後さらなる発展が期待できる．
|
