| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2013-03-13 14:35 ヘブ則による遷移確率の学習 ～ 神経回路モデルの研究 ～ ○齋藤 大・瀧山 健（東大）・岡田真人（東大/理研）  NC2012-145 |
|
| 抄録 | （和） | 環境の状態は時々刻々と変化するものであり, ヒトや動物は経験を通して現在の状態から将来の状態を予測する. 近年の脳機能イメージングの研究によって, ある状態から別の状態への遷移確率が脳内で符号化されていることが示唆されている. しかしながら, そのような遷移確率がどのように学習されているかは分かっていない. 我々はヘブ則に基づいたシナプス学習則によって, 神経回路モデルが状態遷移確率を学習し, 将来の状態を予測することを解析計算と数値シミュレーションを用いて示す. ランダムドット刺激での方向弁別課題を模したシミュレーションにおいては, 我々のモデルニューロンはサルの外側頭頂間野のニューロン活動と同様の活動を示すことが分かった. また, 生体内で実装されていると想定されている適格度トレースを学習則に導入することは, 学習と予測に有用な影響を与えることを示した. |
| （英） | State of the environment changes on and on, and humans animals predict future state through their experiences. Recent brain imaging study suggested that the transition probabilities between two states are encoded in the brain. However, it is controversial how neural networks of the brain learn the transition probabilities. We propose a Hebbian learning algorithm and show a neural network model can learn the transition probabilities by this learning. Our model neuron shows similar activity to those of observed in monkey LIP neurons in random dots motion discrimination tasks. We also show that the eligibility trace which is supposed to be implemented in the brain gives our network extra positive effects. | |
| キーワード | （和） | ヘブ則 / 神経回路モデル / 遷移確率 / 適格度トレース / / / / |
| （英） | Hebb rule / neural network model / transition probabilities / eligibility trace / / / / | |
| 文献情報 | 信学技報, vol. 112, no. 480, NC2012-145, pp. 67-72, 2013年3月. | |
| 資料番号 | NC2012-145 | |
| 発行日 | 2013-03-06 (NC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2012-145 |
|
| 研究会情報 | |
| 研究会 | MBE NC |
| 開催期間 | 2013-03-13 - 2013-03-15 |
| 開催地（和） | 玉川大学 |
| 開催地（英） | Tamagawa University |
| テーマ（和） | ME，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2013-03-MBE-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | ヘブ則による遷移確率の学習 |
| サブタイトル（和） | 神経回路モデルの研究 |
| タイトル（英） | Hebbian learning of transition probabilities |
| サブタイトル（英） | a neural network study |
| キーワード(1)（和/英） | ヘブ則 / Hebb rule |
| キーワード(2)（和/英） | 神経回路モデル / neural network model |
| キーワード(3)（和/英） | 遷移確率 / transition probabilities |
| キーワード(4)（和/英） | 適格度トレース / eligibility trace |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 齋藤 大 / Hiroshi Saito / サイトウ ヒロシ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | 瀧山 健 / Ken Takiyama / タキヤマ ケン |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： Univ. of Tokyo) |
| 第3著者 氏名（和/英/ヨミ） | 岡田 真人 / Masato Okada / オカダ マサト |
| 第3著者 所属（和/英） | 東京大学/理化学研究所 (略称： 東大/理研) The University of Tokyo/RIKEN (略称： Univ. of Tokyo/RIKEN) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2013-03-13 14:35:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2012-145 |
| 巻番号（vol） | vol.112 |
| 号番号（no） | no.480 |
| ページ範囲 | pp.67-72 |
| ページ数 | 6 |
| 発行日 | 2013-03-06 (NC) |
[研究会発表申込システムのトップページに戻る]