味覚の認知と学習の脳内情報処理機構

本研究では、生理学実験で得られた4基本味刺激(糖、塩、酸、キニーネ)に対する大脳皮質味覚野ニューロンの応答性をもとに、バックプロパゲーション学習則を用いて3層パーセプトロン型ニューラルネットワークを構築した。このネットワークにテストパターンとして、学習時に提示しなかった食塩(より濃い濃度の食塩)に対する応答パターンを入力すると、ネットワークの出力は塩味と共に酸味の成分を強く含んでいることが明らかになった。この結果は、すでに、生理学実験で得られている各ニューロン間で応答量の相関をとる手法による結果と定性的によく一致した。またこのことは、行動実験の結果とも一致した。さらに、学習済みのネットワークの重み分布を解析することによって、入力ニューロンをプルーニングする(刈り取る)手法を考案した。この手法では各入力ニューロンの重み度を算出し、この重要度が小さい入力ニューロンをプルーニングした。このようなプルーニング法によって、ニューラルネットワークの応答にはほとんど変化はみられず、味覚情報として重要でない入力ニューロンがプルーニングできたといえる。これは、言い換えれば、味覚情報として重要である皮質ニューロンが抽出されたことになる。また、これらのニューロンの空間分布を調べることにより、味覚情報の分散表現を示唆する結果が得られた。今後、この手法により抽出された皮質ニューロンの大脳皮質味覚野での分布、大脳皮質の構造、さらには味覚情報の処理機構との関連をあきらかにすることが課題である。また、プルーニングを自動的に行なうアルゴリズムの導入も検討課題である。

本研究では、生理学実験で得られた4基本味刺激(糖、塩、酸、キニーネ)に対する大脳皮質味覚野ニューロンの応答性をもとに、バックプロパゲーション学習則を用いて3層パーセプトロン型ニューラルネットワークを構築した。このネットワークにテストパターンとして、学習時に提示しなかった食塩(より濃い濃度の食塩)に対する応答パターンを入力すると、ネットワークの出力は塩味と共に酸味の成分を強く含んでいることが明らかになった。この結果は、すでに、生理学実験で得られている各ニューロン間で応答量の相関をとる手法による結果と定性的によく一致した。またこのことは、行動実験の結果とも一致した。さらに、学習済みのネットワークの重み分布を解析することによって、入力ニューロンをプルーニングする(刈り取る)手法を考案した。この手法では各入力ニューロンの重み度を算出し、この重要度が小さい入力ニューロンをプルーニングした。このようなプルーニング法によって、ニューラルネットワークの応答にはほとんど変化はみられず、味覚情報として重要でない入力ニューロンがプルーニングできたといえる。これは、言い換えれば、味覚情報として重要である皮質ニューロンが抽出されたことになる。また、これらのニューロンの空間分布を調べることにより、味覚情報の分散表現を示唆する結果が得られた。今後、この手法により抽出された皮質ニューロンの大脳皮質味覚野での分布、大脳皮質の構造、さらには味覚情報の処理機構との関連をあきらかにすることが課題である。また、プルーニングを自動的に行なうアルゴリズムの導入も検討課題である。