下部側頭葉皮質IT野における階層神経細胞結合モデルと自己組織化学習

下颞叶皮层IT区的层次神经元连接模型与自组织学习

• 批准号: 12878057
• 负责人: 堀口 進
• 金额: $ 1.09万
• 依托单位: Japan Advanced Institute of Science and Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Exploratory Research
• 财政年份: 2000
• 资助国家: 日本
• 起止时间: 2000 至 2001
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-12878057/
• 关键词: 神経細胞結合モデル; フィードフォワード的階層構造; 自己組織化学習方式; 第1次視覚野; 下部側頭葉皮質IT野; 部分再学習法; 階層構造神経結合モデル; 自己組織化学習; V1野-IT野; フィードフォワード自己組織化学習; 自己組織化実験

生理学的研究により、第1次視覚野(V1野)には方位選択性細胞が存在し、下部側頭葉皮質IT野には単純な幾何学図形に選択的な特徴抽出細胞が存在する事が明らかになっている。しかしながら、V1野からIT野に至る神経結合や学習方式については未だ明らかになっていない。本研究では、階層構造の自己組織化神経結合モデルの学習によって、単純な幾何学図形に選択的に反応するIT野の神経結合モデルの構築とその学習が可能であることを明らかにした。ここでは、自己組織化学習方式実験により中程度に複雑な視覚パターンに対するIT野のコラム構造細胞の活性反応について詳しく検討した。その結果、階層構造を持つ神経結合モデルと自己組織化による学習により、V1野では方位選択性を持つ細胞、IT野では特定の単純な幾何学図形に選択的に反応する細胞を自己形成できる場合があることが分かった、単純な幾何学図形を用いた学習シミュレーションにより、幾何学図形に対して選択性のあるノードが競合層に形成されることを明らかにした。シミュレーション結果と生理学的知見との対比については、V1野モデルに関してはノードの応答特性およびノードに対する最適方位の競合層内における分布状態について、生理学的知見と定性的に一致した結果を得ることができた。V1野-IT野神経結合モデルについては、中程度に複雑な図形に対して選択的に反応するノードが、IT野に相当する第2競合層に自己形成されることは、生理学における実験報告と一致する。しかしながら、一つのノードが複数の図形に対して最大の反応を示し、異なる特徴を持つ図形に対して競合層における反応領域の住み分けが不完全であるなどの問題があることも分かった。提案した階層構造の神経結合モデルは、第1競合層の学習後に第2競合層の学習を行なう自己組織化プロセスを仮定した。これに対して、実際の生体では出生直後から成体に至るまで、網膜に入るパターンの複雑さや、脳自体の物理的な構造は変化することがなく、その学習プロセスは一貫している。これらのことを考慮したネットワークモデルとその学習アルゴリズムに関しては今後の課題である。

Physiology research に よ り, first 覚 wild (V1 wild) に は bearing が exist し sentaku sex cells, lower side lobe cortex IT wild に は 単 pure 図 な geometry shape に sentaku な 徴 of spare cell が exist す る matter が Ming ら か に な っ て い る. し か し な が ら, V1 wild か ら IT to wild に る god 経 combined with や learning に つ い て は not だ Ming ら か に な っ て い な い. This study で は, class structure の yourself organized 経 god with モ デ ル の learning に よ っ て, pure な 単 geometry 図 に sentaku に reverse 応 す る IT wild の god 経 combining モ デ ル の build と そ の learning が may で あ る こ と を Ming ら か に し た. こ こ で は, their organizational learning style be 験 に よ り degree in に complex 雑 な apparent 覚 パ タ ー ン に す seaborne る IT wild の コ ラ ム tectonic activity の cells against 応 に つ い て detailed し く beg し 検 た. そ の result, class structure を hold つ 経 god with モ デ ル と yourself organized に よ る learning に よ り, V1 wild で は bearing を hold つ sentaku sex cells, and IT wild で は specific の 単 pure 図 な geometry shape に sentaku に reverse 応 す を る cells themselves form で き る occasions が あ る こ と が points か っ た, 単 pure 図 な geometry shape を い た learning シ ミ ュ レ ー シ ョ ン に よ り, geometry 図 に し seaborne て sentaku sex の あ る ノ ー ド に が competition layer formed さ れ る こ と を Ming ら か に し た. シ ミ ュ レ ー シ ョ ン results と physiology knowledge と の than に seaborne つ い て は, V1 wild モ デ ル に masato し て は ノ ー ド の 応 a feature お よ び ノ ー ド に す seaborne る preferred orientation の competition within the layer に お け る distribution に つ い て, physiology knowledge と qualitative に consistent し た results る を こ と が で き た. V1 IT wild wild - god 経 combining モ デ ル に つ い て は, degree of に 雑 な 図 form に し seaborne て sentaku に reverse 応 す る ノ ー ド が, IT wild に quite す る competition layer 2 に themselves form さ れ る こ と は, physiology に お け る be 験 report consistent と す る. し か し な が ら, a つ の ノ ー ド が plural の 図 form に し seaborne て biggest の anti 応 を し, different な る, 徴 を hold つ 図 form に し seaborne て competition layer に お け る anti の live み 応 field points け が incomplete で あ る な ど の problem が あ る こ と も points か っ た. Proposal し た class structure の 経 god with モ デ ル は layer の に after 2, 1 phenomenon in line layer の learning を な う yourself organized プ ロ セ ス を 仮 set し た. こ れ に し seaborne て, the event be born の で は straight after birth か ら adult に to る ま る で, retinal に into パ タ ー ン の complex 雑 さ や, 脳 autologous の は な structure of physics - the す る こ と が な く, そ の learning プ ロ セ ス は consistently し て い る. こ れ ら の こ と を consider し た ネ ッ ト ワ ー ク モ デ ル と そ の learning ア ル ゴ リ ズ ム に masato し て は の topics in future で あ る.

项目成果

山森 一人, 阿部 亨, 堀口 進: "複合故障を持つ階層型ニューラルネットワークにおける部分再学習法の性能評価"電子情報通信学会 第14回機能集積情報システム研究会. FIIS-01-80. 1-8 (2001)

Hitoshi Yamamori、Toru Abe、Susumu Horiguchi：“具有复杂故障的分层神经网络中部分重学习方法的性能评估”IEICE 第 14 期功能集成信息系统研究组 (2001)。

Kunihito Yamamori, Toru Abe, Susumu Horiguchi: "Theoretical Learning-Speed Evaluation of Parallel Back-Propagation Algorithms"Systems Research and Information Systems. Vol.9. 121-148 (2001)

Kunihito Yamamori、Toru Abe、Susumu Horiguchi：“理论学习-并行反向传播算法的速度评估”系统研究和信息系统。

山森一人,阿部亨,堀口進,: ""部分学習による故障補償を行なったニューラルネットワークの汎化能力""電子情報通信学会 第11回機能集積情報システム研究会. FIIS-00-71. 1-8 (2000)

Hitoshi Yamamori、Toru Abe、Susumu Horiguchi：“通过部分学习进行故障补偿的神经网络的泛化能力”，电子、信息和通信工程师学会第 11 届功能集成信息系统研究组 FIIS-00-71。 2000）

菅原英子, 堀口進: "故障補償能力を持つ階層型ニューラルネットワークのハードウェア実装"並列処理シンポジウムJSPP論文集. 319-326 (2001)

Eiko Sukawara、Susumu Horiguchi：“具有故障补偿能力的分层神经网络的硬件实现”并行处理研讨会 JSPP 论文集 319-326 (2001)。

吉川和寿,堀口進,: ""カテゴリカル色知覚の工学的メカニズム","北陸先端科学技術大学院大学リサーチリポート. IS-RR-2000-013,. 1-27 (2000)

Kazutoshi Yoshikawa、Susumu Horiguchi：“分类色彩感知的工程机制”，JAIST 研究报告，IS-RR-2000-013，。