機械学習の知見を用いた生体神経系の学習メカニズムの解析とその機械学習応用

利用机器学习知识分析生物神经系统的学习机制及其在机器学习中的应用

基本信息

批准号：
15H06395
负责人：
松原崇
金额：
$ 1万
依托单位：
Kobe University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Research Activity Start-up
财政年份：
2015
资助国家：
日本
起止时间：
2015-08-28 至 2016-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-15H06395/
关键词：
ニューラルネットワーク機械学習

项目摘要

人工ニューラルネットワークを始めとして，生体神経系のダイナミクスに学び応用した情報処理・機械学習システムの研究・開発はこれまでも盛んに行われてきました．本研究では，とくに生体神経系のダイナミクス（神経活動）及び学習（神経結合）における確率的に見える挙動（ゆらぎ）に着目し，それらが持つ計算論的な意味を機械学習との比較によって明らかにすることを試みました．まず神経結合のゆらぎについて検討したところ，神経活動の減弱や過増強に対する堅牢性（恒常性）に貢献していることを，シミュレーション及び理論解析の両面で確認しました．このことは神経結合の恒常性を現象論的・機能的な観点だけではなくメカニズム的に説明できるという点で意義ある結果です．また恒常性が計算論的に果たすと考えられている様々な機能が，単なるゆらぎから得られることを示唆しています．一方神経活動については，そのダイナミクスを決定論的に記述した場合でも，振る舞いが確率的に見えることがあります．この性質は信頼性のある情報処理には難点と考えられてきました．しかし，この振る舞いが比較的質の良い擬似乱数の生成や確率分布の近似として有用であるという予備的な結果を得ました．この結果は生体神経系モデルを用いたベイズ的生成モデルの構築の基礎となりえます．以上の点から，本研究はダイナミクスと学習の両面におけるゆらぎについて，その意味付けと応用への基礎的な成果です．

过去已经积极地进行了学习和应用于包括人工神经网络在内的生物神经系统动态的信息处理和机器学习系统的研究和开发。在这项研究中，我们专注于生物神经系统的概率行为（分数），尤其是在动力学（神经活动）和学习（神经连接）中，并试图通过将它们与机器学习进行比较来阐明它们所具有的计算含义。首先，我们检查了神经联系的波动，并在模拟和理论分析中证实了它有助于鲁棒性（体内平衡），从而导致神经活动的衰减和过度增强。这是解释神经联系的稳态的能力，不仅是从现象学和功能的角度来解释神经联系的能力，而且还从一种机制中解释了神经联系的能力。这也表明，稳态被认为是计算实现的各种功能，可以从单纯的波动中获得。另一方面，当涉及神经活动时，即使确定性地描述其动力学，行为也会显得概率。该属性被认为是可靠信息处理的缺点。但是，我们已经获得了初步结果，即这种行为可用于生成相对较高的伪随机数和近似概率分布。该结果可以是使用生物神经系统模型构建贝叶斯生成模型的基础。从以上几点来看，这项研究是动态和学习中波动的含义和应用的基本结果。