神経回路網における自己組織化と情報の統合処理機構

点击翻译按钮获取中文摘要

大脳皮質表面に平行な面内での結合が、いくつかのハイパーコラムにわたる情報の統合に深く関わっていると考えられる。今まで我々は一個のハイパーコラムの形成に対応するモデルを研究してきたが、これを数個のハイパーコラムを含むような大きなモデルに拡張することが必要である。それに対応して入力パターンをどのように選ぶかということが問題となってくる。我々は外部環境による方位選択性のシャープ・チューニングにより大きな興味をもっており、そのためには外部からの入力刺激をどうとるかが重要な問題点の一つである。この点が困難なため、外部環境に依存する入力刺激があまり研究されて来なかったものと思われる。出力層を大きくとるとその受容野ともいえる入力層も大きくとる必要がある。入力パターンとして、1)出力層のどのニューロンから見ても同様な刺激パターンとして、当該出力ニューロンから見て、回転する棒状パターンすべてをとる方法と、2)入力層にあらゆる方向の長い棒状パターンを考える方法があり、これら二つの方法で自己組織化を行った。これらの方法は複雑な問題点を含んでいることが判明してきており、引き続き今後の研究の焦点の一つとなろう。また最近、Singer等が一次視覚野の方位選択性ニューロンに振動的な応答があり、異なる方位選択性を持つ二つのニューロンの間に振動応答の相関を観測した。我々は、各方位刺激に対して振動応答をするユニットからなるハイパーコラムを複数個含むモデルを作成し、コンピュータ・シミュレーションを行うことにより、Singer等の実験結果と一致する結果を得た。一方、ホップフィールドの連想記憶の問題とスピングラスとの関連はよく知られているが、ベクトル・スピングラスとの関連も考えられるところである。我々は、混成モンテカルロ・スピンダイナミックス法でベクトル・スピングラスの問題を研究した。