シナプス可塑性を学習するニューラルネットワークの研究

点击翻译按钮获取中文摘要

ニューラルネットワークの学習において、新しい学習方式を求めるために、神経回路網の構造に着目した。構造の異なる神経回路網間で、構造を維持した形での知識の転写問題を定式化し、知識から効率的な例を生成する基準と方法を見出した。この方法では、正例と負例を分離する境界付近の事例生成が有効であることを見出した。しかし、人による実験では、その境界から離れた例から開始して、徐々に境界に誘導することが必要であることもわかった。次に、この現象を踏まえて、知識の格納方式に注目し、インデックス脳構造を提案した。この構造を利用することで、知識転写が行えない場合の知識の想起方法を見出した。実際の人による認知実験(予備実験)から、インデックス脳を人も利用しているという知見を得た。インデックス脳でのインデックスの生成に関する基本原理はまだ研究課題として残っている。インデックスの量と質に関する予備実験の結果を現在、分析・考察中であり、成果は、2010年度中に発表を行う。本研究は、インデックス脳構造に向いた神経回路網の学習方式に重要な知見を見出したといえる。