| 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 | 2019-05-10 13:50 スパイク間隔時系列を用いたニューラルネットワークの構造推定 ○澤田和弥（東京理科大）・島田 裕（埼玉大）・池口 徹（東京理科大）  NLP2019-3 |
|
| 抄録 | （和） | 本稿では，Gap結合したニューロンの数理モデルに対して， 因果推定手法のConvergent Cross Mappingを適用することで， ニューラルネットワークの構造推定を行っている． 具体的には，2頂点，6頂点のネットワークでニューロンを結合し， 得られた膜電位時系列をスパイク間隔時系列に変換し， CCMを適用することにより ニューラルネットワークの構造推定可能性を調査した． その結果，ニューラルネットワークの構造推定においては， 膜電位時系列を用いるよりもスパイク間隔時系列を用いる方が有効となることが示された． |
| （英） | In this paper, we apply the causal estimation method of Convergent Cross Mapping to a mathematical model of neural networks to estimate their structures. Neurons were connected by gap junctions and the obtained membrane potential time series were converted to inter-spike-interval time series. We investigated performance of estimating neural network structures by applying CCM to the obtained inter-spike-interval time series. As a result, it is suggested that using inter-spike-interval time series may be effective for estimation of neural network structures. |
|
| キーワード | （和） | 非線形時系列解析 / 因果推定 / スパイク間隔 / Izhikevichニューロンモデル / Gap結合 / / / |
| （英） | Nonlinear time series analysis / causal estimation / Inter-spike-interval / Izhikevich neuron model / Gap junction / / / | |
| 文献情報 | 信学技報, vol. 119, no. 19, NLP2019-3, pp. 13-18, 2019年5月. | |
| 資料番号 | NLP2019-3 | |
| 発行日 | 2019-05-03 (NLP) | |
| 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 | NLP2019-3 |
|
| 研究会情報 | |
| 研究会 | NLP |
| 開催期間 | 2019-05-10 - 2019-05-11 |
| 開催地（和） | J:COM ホルトホール大分 |
| 開催地（英） | J:COM HoltoHALL OITA |
| テーマ（和） | 一般 |
| テーマ（英） | etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLP |
| 会議コード | 2019-05-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | スパイク間隔時系列を用いたニューラルネットワークの構造推定 |
| サブタイトル（和） | |
| タイトル（英） | Structure estimation of a neural network using Inter-spike-interval |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 非線形時系列解析 / Nonlinear time series analysis |
| キーワード(2)（和/英） | 因果推定 / causal estimation |
| キーワード(3)（和/英） | スパイク間隔 / Inter-spike-interval |
| キーワード(4)（和/英） | Izhikevichニューロンモデル / Izhikevich neuron model |
| キーワード(5)（和/英） | Gap結合 / Gap junction |
| 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） | 澤田 和弥 / Kazuya Sawada / サワダ カズヤ |
| 第1著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： TUS) |
| 第2著者 氏名（和/英/ヨミ） | 島田 裕 / Yutaka Shimada / シマダ ユタカ |
| 第2著者 所属（和/英） | 埼玉大学 (略称： 埼玉大) Saitama University (略称： Saitama Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 池口 徹 / Ikeguchi Tohru / イケグチ トオル |
| 第3著者 所属（和/英） | 東京理科大学 (略称： 東京理科大) Tokyo University of Science (略称： TUS) |
| 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 | 2019-05-10 13:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NLP |
| 資料番号 | NLP2019-3 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | no.19 |
| ページ範囲 | pp.13-18 |
| ページ数 | 6 |
| 発行日 | 2019-05-03 (NLP) |
[研究会発表申込システムのトップページに戻る]