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

画像処理理論から観る脳の視覚計算理論

从图像处理理论看大脑视觉计算理论

基本信息

批准号：
11J07556
负责人：
佐々木博昭
金额：
$ 1.54万
依托单位：
The University of Electro-Communications
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2011
资助国家：
日本
起止时间：
2011 至 2013
项目状态：
已结题

项目摘要

平成25年度は, 前年度構築した correlated topographic analysis (以下, CTA)に関する学術論文が受理され, 出版された. (Machine Learning vol. 92, pp. 285-317)平成25年度に新たに取り組んだ研究の1つとして, CTAをさらに拡張する手法を構築し, 提案した. 具体的な違いについて述べると, 先に提案したCTAでは, 近傍の特徴間にのみ統計的な依存性が存在することを仮定し, 特徴とその順序関係を推定した, これに対して, 新しく提案した手法では, 特徴間の依存構造を固定するのではなく, 入力データから特徴と特徴間の依存構造を推定する.得られた研究結果について述べる, 提案手法と過去の手法を比較すると, 提案手法は, 独立成分分析(以下, ICA)とCTAをある特別な場合として含む, より一般化する手法であることが分かった. また, 自然画像を入力として数値実験を行った結果, 拡張CTAによって推定された個々の画像特徴とその空間分布は, 脳の第一視覚野の単純型細胞の受容野と類似した性質を示し, それら画像特徴間の興味深い依存構造も推定された. 具体的には, 類似した性質をもつ特徴は, 依存性が強い傾向にあった. 加えて, その依存構造は無向グラフとして表現することができ, 依存構造を視覚化できる. 他に, 第一次視覚野における複雑型細胞モデルを用いた数値実験も行い, 同様に, 特徴間の依存構造が推定された. この手法に関する研究成果は, 国内外の学会で発表しており, また, 研究成果をまとめた論文を国際会議Artificial Intelligence & Statistics (AISTATS) 2014に投稿し, 受理, 出版されている.上記した研究以外にも, CTAを用いた画像のノイズ除去やパターン認識のための主成分分析, ICAを用いた階層的特徴抽出手法に関する研究も行った. これらの研究成果については, 学会発表を行っていないが, 階層的特徴抽出については発展の可能性があり, 今後の課題として挙げておきたい.

Correlated topographic analysis (hereinafter, CTA) was established in 2005 and published in the previous year. (Machine Learning vol. 92, pp. 285-317) Heisei 25 new research group research, CTA research, construction, and proposal. The specific details are as follows, the first proposal is the CTA, the statistical dependency is the existence of the statistics, 特徴とその sequential relationship を presumed した, これに対して, new しく proposal したtechnique では, 特徴between のdependence structure をfixed するのではなく, Enter the force データから特徴と特徴のdependence structure する.Get the られたresearch resultsについて说べる, proposal technique と Past の Technique を comparison すると, proposal technique は, Independent component analysis (hereinafter, ICA), CTA, special occasion, generalization technique, special occasion analysis, generalization technique, Natural portrait を enter force として number 夤実験を行った results, 拡CTA によって inferred された々のportrait characteristics 徴とその spatial distribution は, 脳のfirst sight 覚野の単Pure type cells のacceptance field とsimilarity した properties をshow し,それらImage special 徴间のinteresting deep いdependence structure も presumed された. Specific には, similar した properties をもつ特徴は, dependence がstrong い tendency にあった. 加えて,そのdependence structureは无directionalグラフとしてexpressionすることができ, dependence structureをview覚化できる. Himに, For the first time, I looked at the 馚野における曑 type cell モデルを用いた数夤娟験も行い, 同様に, 特徴 interdependence structure がESTIMATION された. Research results of このtechniques and customs, で発 table of domestic and foreign academic societies, また, research results of をまとめたpapers をInternational Conference Artificial Intelligence & Statistics (AISTATS) 2014 にSubmissions, accepted, Published by されている. Above mentioned した research other than にも, CTA を use いたportrait のノイズremove やパターン cognition のための principal component analysis, ICA uses the characteristics of the class to extract techniques, and researches and practices. The characteristics of the class are drawn out, and the possibility of development is revealed, and the future issues are revealed.