ブートストラップ型ニューラルネットによる動的情報表現と記憶の形成

使用引导神经网络的动态信息表示和记忆形成

• 批准号: 10164204
• 负责人: 津田 一郎
• 金额: $ 0.9万
• 依托单位: Hokkaido University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas (A)
• 财政年份: 1998
• 资助国家: 日本
• 起止时间: 1998 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-10164204/
• 关键词: ブートストラップ型ニューラルネット; カイアネロ方程式; 力学系; コインシデンスニューロン; 情報表現

ニューロンが,入力の総和を計算し出力する過程を,前提二入力の総和,結論=パルスの出力とみて一種の推論過程と考える。このとき,前提→結論→前提を1サイクルとして力学系の表現を考える。この力学過程を特徴づける重要なパラメーターは時間遅れである。重荷シナプス遅延,シナプス後電位の和の計算に必要な時間,絶対不応期,さらには相対不応期が決定的である。相対不応期を力学方程式の中に組み込む。残りの時間スケールの大小関係によって二種類の方程式系が得られる。一つは通常のカイアネロ方程式(モデルCと呼応)で他の一つは関数方程式型のモデル(モデルBと呼ぶ)である。後者のネットワークをブートストラップ型ニューラルネットと呼んだ。モデルBとモデルCの相異を情報表現の立場から検討した。モデルBはCに比べ,一般に発火率が減少している。発火しているニューロンの分布は,モデルCがガウス分布であるのに対し,モデルBでは,ポアッソン的であった。これを反映して,平均発火率からのゆらぎは,モデルBの方が大きくなる。coincidence型かrate型かを調べるため,同期しているニューロンへの入力を調べた結果,モデルBでは,モデルCに比較して,抑制性ニューロンからの同期入力が多いことが分った。これは,モデルBがcoincidence型ニューラルネットであり,モデルCはrate coding型ニューラルネットであることを示唆している。この傾向は,入力から出力までの時間遅れが長くなる程顕著である。興味深いことは,モデルBとCを単一のニューロンが,入力依存的に切り替えている可能性が理論的に示唆されたことである。これは実験でみられているdual codingの機構を考える上で,今後参考にすべき点である。

The process of calculating the sum of input force and output force is based on the premise that the sum of input force and output force is calculated. Premise → Conclusion → Premise 1. Performance of mechanical system. The characteristics of mechanical processes are important. The time required for the calculation of the potential sum after the heavy load is delayed, and the time required for the calculation of the potential sum is determined. The central group of equations of relativity The relationship between the time and the magnitude of the residual is obtained by two kinds of equation systems. One of the usual equations of the equation (C) is another equation of the equation of the equation (B). The latter is called the " The difference between B and C in information performance is discussed The fire rate is generally reduced compared to C. The distribution of fire in the middle of the day is opposite, and the distribution of fire in the middle of the day is opposite. The average fire rate varies from one day to the next, and the average fire rate varies from one day to the next. Coincidence type, rate type, synchronous type. This is the case with B, C, and C coincidence coding. The tendency is opposite, the input force is opposite, the output force is opposite, the time is opposite, the process is opposite. The interest is deep, the B is simple, the input is force-dependent, the possibility is theoretical, and the input is independent. This is the first time that dual coding has been introduced.

项目成果

I.Tsuda: "Singular-continuous nowhere-differentiable attractor in neural systems" Neural Networks. 11. 927-937 (1998)

I.Tsuda：“神经系统中的奇异连续无处可微吸引子”神经网络。