動的環境における脳内情報表現の学習と神経修飾  [in Japanese] Cortical representation learning regulated by acetylcholine  [in Japanese]

Search this Article

Author(s)

Abstract

動的な環境で適切に知覚や認識を行うために,脳は環境の変化を検出し,新たな環境において素早く脳内表現を学習する必要がある.本研究では,神経修飾系のひどであるアセチルコリン(ACh)系の機能に注目し,脳内表現の学習についての計算論的なモデルを提案する.特に,脳内表現を単純化したモデルとして確率的主成分分析(PPCA)を想定し,動的環境にも適応可能なオンライン学習法がベイズ推定に基づいて導出される.提案学習法は人工データと実データを用いた2種類のシミュレーションによって評価され,環境が変化した際にも適切に基底表現が獲得されることが示される.最後に,生理学的な知見に基づき,提案学習モデルの学習係数がACh系の機能的な働きと対応づけられることが示される.

A brain needs to detect an environmental change and to quickly learn internal representations necessary in a new environment. This report presents a theoretical model of cortical representational learning that can adapt to dynamic environments, incorporating the results by previous studies on a functional role of acetylcholine (ACh). We adopt the probabilistic principal component analysis (PPCA) as a functional model of cortical representational learning, and present an on-line learning method for PPCA according to Bayesian inference. Our approach is examined in two types of simulations with synthesized and realistic datasets, in which our model is able to re-learn new representation bases after environmental changes. We suggest that the function of ACh corresponds to the learning rate in our learning model and describe both biological and computational studies related to our model.

Journal

  • IEICE technical report. Neurocomputing

    IEICE technical report. Neurocomputing 103(734), 97-102, 2004-03-12

    The Institute of Electronics, Information and Communication Engineers

References:  28

Codes

  • NII Article ID (NAID)
    110003232595
  • NII NACSIS-CAT ID (NCID)
    AN10091178
  • Text Lang
    JPN
  • Article Type
    ART
  • ISSN
    09135685
  • NDL Article ID
    6927050
  • NDL Source Classification
    ZN33(科学技術--電気工学・電気機械工業--電子工学・電気通信)
  • NDL Call No.
    Z16-940
  • Data Source
    CJP  NDL  NII-ELS 
Page Top