人工グリアニューラルネットワークの開発とその応用に関する研究

グリアは脳内に存在する細胞であり，ニューロンと共に脳の高次情報処理を支えている．しかし，グリアに関する研究は依然として少なく，特にグリアの応用に関する研究はほとんど例がない．本研究では，脳内におけるグリアとニューロンの関係をモデル化した人工グリアニューラルネットワークの開発を行っている．本モデルは，人工ニューラルネットワークの一種である多層パーセプトロン（MLP）を用いて、その中間層にグリアを結合した。グリアは、結合したニューロンによって励起される．励起されたグリアはパルスを生成し、このパルスは結合したニューロンのしきい値に入力される．さらに，パルスは近傍のグリアを励起することによってネットワーク全体に伝搬される．従来モデルでは，パルス生成パターンがMLPの学習に伴い周期的となる問題があった．本研究では，グリアが励起される頻度により，グリアの不応期間が変化するモデルを提案した．ニューロンからの刺激でグリアの不応期間が動的に変化されることにより，グリア毎に持つ不応期間の長さが異なるってくる．そのため，学習の進行に伴いグリアのパルス生成パターンが徐々に変化する．この働きにより，学習の終盤においてもパルスが効果的に学習を促進する．実際に，シミュレーションにより従来のモデルと比較し提案モデルが優れた学習能力を有することを明らかにした．さらに，グリアが新生ニューロンの結合する位置に深く関わっていることから，人工グリアニューラルネットワークにニューロン新生を取り入れたモデルを提案した．本モデルでは，グリアを励起する頻度が低いニューロンを不活性なニューロンとして取り除き，新生ニューロンを同じ位置へ結合する．その後，他のニューロンと同様に学習を繰り返す．これにより，ネットワークの入出力に寄与するニューロン数が増加し，その結果，ネットワーク全体の学習性能が向上することを示した．

グリアは脳内に存在する細胞であり，ニューロンと共に脳の高次情報処理を支えている．しかし，グリアに関する研究は依然として少なく，特にグリアの応用に関する研究はほとんど例がない．本研究では，脳内におけるグリアとニューロンの関係をモデル化した人工グリアニューラルネットワークの開発を行っている．本モデルは，人工ニューラルネットワークの一種である多層パーセプトロン（MLP）を用いて、その中間層にグリアを結合した。グリアは、結合したニューロンによって励起される．励起されたグリアはパルスを生成し、このパルスは結合したニューロンのしきい値に入力される．さらに，パルスは近傍のグリアを励起することによってネットワーク全体に伝搬される．従来モデルでは，パルス生成パターンがMLPの学習に伴い周期的となる問題があった．本研究では，グリアが励起される頻度により，グリアの不応期間が変化するモデルを提案した．ニューロンからの刺激でグリアの不応期間が動的に変化されることにより，グリア毎に持つ不応期間の長さが異なるってくる．そのため，学習の進行に伴いグリアのパルス生成パターンが徐々に変化する．この働きにより，学習の終盤においてもパルスが効果的に学習を促進する．実際に，シミュレーションにより従来のモデルと比較し提案モデルが優れた学習能力を有することを明らかにした．さらに，グリアが新生ニューロンの結合する位置に深く関わっていることから，人工グリアニューラルネットワークにニューロン新生を取り入れたモデルを提案した．本モデルでは，グリアを励起する頻度が低いニューロンを不活性なニューロンとして取り除き，新生ニューロンを同じ位置へ結合する．その後，他のニューロンと同様に学習を繰り返す．これにより，ネットワークの入出力に寄与するニューロン数が増加し，その結果，ネットワーク全体の学習性能が向上することを示した．