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

A Kernelnalized learning method as a model of insect-brain and its application for an incremental learning algorithm for embedded machine learning systems

作为昆虫大脑模型的内核化学习方法及其在嵌入式机器学习系统增量学习算法中的应用

基本信息

批准号：
22K12176
负责人：
山内康一郎
金额：
$ 1.08万
依托单位：
Chubu University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

ショウジョウバエの脳中枢であるキノコ体には、新奇な匂いだけに強く反応して、それを反Hebb学習するニューロンが存在する。この現象は新奇な匂いの追加学習を行っている事を強く示唆するものである[1]。ただし制限された容量以内で追加学習を継続するためか、新奇な匂いを与えると、既存の記憶に関係するキノコ体出力ニューロン（MBON)のシナプス結合強度が増加（記憶の減衰（忘却））することが確認されている[1]。この「忘却」メカニズムをKernel法を使ってモデル化し、忘却戦略に応じて次の2つの仮説を提案した。①最古の記憶を破棄すると仮定した場合、この破棄に伴う累積誤差の上昇を緩和する。②最近最も使用していない記憶を破棄すると仮定した場合、このような記憶を特定するために必要とされる。これらの仮説は、昆虫脳における記憶の忘却の重要性を示唆する。具体的には、このMBONα'-3のHebb学習モデルについて最大誤り回数と記憶の減衰率との関係を数学的に導出すると共に計算機シミュレーション結果も踏まえて、いずれも累積誤差を減少させることを示した。これらの結果は現在国際会議に投稿中である。また、組み込み機器向け学習エンジンの最新版LGRNNPlusを雑誌投稿し、採択された[2]。今後この学習理論に上記で得られた知見の導入を試みる。[1]D.Hattori, Y.Aso, Kurtis J. Swartz, Gerald M. Rubin, L.F. Abbott, Richard Axel . Cell, vol.169, pp. 956--969, May, (2017).[2] Koichiro Yamauchi ., Evolving Systems, vol.14, pp. 437--460, December, (2022).

It's a very interesting place to be, but it's a very interesting place to be, and it's a very interesting place to be. This phenomenon is novel and additional to learning. Within the limits of capacity, additional learning is required, novelty is required, existing memory is required, and binding strength is increased (memory decay (forgetting)). The Kernel method of "forget" is used to make the kernel more complex, and the kernel method of "forget" is used to make the kernel more complex. (1) The most ancient memory is discarded, and when it is discarded, the cumulative error increases and decreases. 2. The most recent use of memory is necessary for certain situations and specific situations. The importance of memory and oblivion is demonstrated by the words "insect." Specifically, MBONα'-3 Hebb learning is a mathematical derivation of the relationship between maximum error rate and memory decay rate, and the results of computer simulation are shown in Table 1. The results are now in the international conference. The latest version of LGRNPlus is published in the journal "The Machine for Learning"[2]. In the future, the study theory will be recorded and the knowledge will be introduced. [1]D.Hattori, Y.Aso, Kurtis J. Swartz, Gerald M. Rubin, L.F. Abbott, Richard Axel . Cell, vol.169, pp. 956--969, May, (2017). [2] Koichiro Yamauchi ., Evolving Systems, vol.14, pp. 437--460, December, (2022).