モジュール構造を持つ多重相互結合型神経回路網による複合連想モデル

点击翻译按钮获取中文摘要

我々は、機能モジュールのモデルとして"隠れユニット"を加えた相互結合型神経回路網を考え、これを多数用いてこれらを互いに連結した多重相互結合型回路網(MMNN)と、従来から我々が提案としている大規模櫛型ニューラルネットCombNET-IIを組み合わせたモデルを提案している。このモデルでは、CombNET-IIを、入力刺激を分類し入力刺激に対応した直交パターンを生成するために用い、MMNNを、その直交パターンとすでに記憶されている上位概念との相互干渉により不完全な入力情報から不足した情報を補い完全な上位概念を連想させるために用いる。今回は、このモデルを手書き文字認識に適用した。今回の実験では、CombNET-II単独では誤認識した場合でも、MMNNと組み合わせることにより正しく認識できることが明らかとなった。本モデルにおいて、文字の特徴量に30%のノイズを加えた場合、CombNET-II単独では37.4%であるにもかかわらず、本モデルによれば89.4%もの認識率が得られ、本モデルの想起能力の高さが示された。さらに、今年度は、本モデルを時空間連想記憶に適用した。ここでは、時間的な順序の連想記憶が形成されると考えられる海馬の自己回帰回路を参考に、機能モジュールに時間的な順序の記憶も可能にすることにより、全体として空間的・時間的な複雑な時空間連想が可能な新しいMMNNを考案した。今回の実験では、互いにモジュールが協調・競合しあい各々記憶したイメージパターンとアルファベット文字の並びに記憶させた順序で連想させることができた。今後、本モデルの各基本モジュールを視覚連合野・聴覚連合野などの連合野とし、連結モジュールを海馬、すなわち、連合野からの情報を連合・連想する記憶回路としてみなすことにより、海馬と大脳皮質の相互関連の解明に適用する高次脳機能モデルとして検討を進めていく予定である。