权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

動的記憶と学習の組み合わせによる複雑な情報処理機能の実現

动态记忆与学习相结合，实现复杂信息处理功能

基本信息

批准号：
06260230
负责人：
奈良重俊
金额：
$ 0.96万
依托单位：
Okayama University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
财政年份：
1994
资助国家：
日本
起止时间：
1994 至无数据
项目状态：
已结题

项目摘要

現在、解剖学的にも電気生理学的にも、脳における神経細胞にはいろいろバラエティーがあることがわかっている。ところが機能的な側面になると、脳の機能地図的にはブロック分けはどうやらわかっているが機能的メカニズムになる未開明である。それは「記憶」に関しても同様である。人間の持つ記憶は、一見単純に見える想起機能も持っているが特に注意すべき重要な点の一つは、記憶想起に際して「様々な変換をしながら想起できる連想機能(→ダイナミカルメモリ、動的記憶)」のような複雑な機能を合わせ示す点である。他方、脳波を含め神経系の活動計測に頻繁にカオスが観測されており、生体の持つ複雑な情報処理機能や制御機能の原理に関する問題として、カオスがどのように脳の機能的側面に関わっているかが注目を集めることになっている。我々は、モデル的に取った神経回路網に記憶を埋め込みその上でカオスを発生させ、上に述べたような複雑な機能を実際に実現できるかどうか試してみることで動的記憶の機能性や学習可能性を発見論的また物理学的に調べようとしている。基礎となるキーワードを「単純なルールによる複雑な機能の実現」とし、当面の目標を、・「単純なルールで複雑な処理機能を行わせる原理」を「神経回路網における、カオスを含む複雑なダイナミックス」の機能的側面に関する物理学的研究を通じて明らかにし、シミュレーションによって確認する。と設定した。具体的には、20×20=400個のピクセルパターンで表されるような画像情報をリカレント型の神経回路網の興奮パターンとして取扱い、連想記憶、ノイズ除去、分類、などの機能特性を調べた。更にこの系のシステムパラメータを変化させることによりカオス的ダイナミックスを導入した。また「単純な学習ルール」を導入することによってカオスの動的構造の適応制御を試みた。そしてそれらを用いて「不良設定問題」としての、(1)記憶のサーチ機能、(2)記憶の合成機能、(3)モンタージュ機能、などの「複雑な機能の単純なルールによる実現」をシミュレーションによって試み、良好な結果を得て次頁のリストに示すように研究を公表した。

Now, anatomy, electrophysiology, neurobiology, neurobiology,ところが功能的な底面になると、脳の功能地図的にはブロック分けはどうやらわかっているが功能的メカニズムになる未开明である。"Memory" is the same thing. The human body holds the memory, the pure memory function, the special attention function, the important point, the memory memory function, the complex function, the display point. Other aspects, including the frequency of measurement of the activity of the nervous system, the principle of information processing function and control function of the organism, the problem of the bottom of the function of the complex information processing function, and the problem of concentration of attention. The function of memory and the possibility of learning are discussed in physics. Basic research on physics related to the realization of complex functions in a single loop network, the realization of complex functions in a single loop network, and the confirmation of complex functions in a single loop network. Set it up. Specifically, 20×20=400 images are displayed, and the image information is selected, and the excitation of the neural network is selected, the memory is connected, the image is removed, the classification is adjusted, and the functional characteristics are adjusted. In addition, the system's system is changed to include the following: "Pure learning" is introduced into the structure of the system and the appropriate control is attempted. The following are the main contents of this paper: (1) the memory service function,(2) the memory synthesis function,(3) the memory service function, and (4) the "simple realization of the complex function".