Discovery Sagaサイレントキーワード俯瞰

ディープラーニング / 情報統計力学 / 統計神経力学 / データ駆動科学 / 神経科学 / 視覚野 / 神経回路モデル / データ駆動 / 深層生成モデル / データ駆動的アプローチ / ダイナミクスと内部表現 / 特異統計学 / ニューラルネットワーク / 深層ネット / 情報統計力学と特異統計学

本研究ではTE野の時間特性をもつ視覚系全体のモデルを構築するために、初期視覚野のモデルとして深層ニューラルネットワークであるXception netを、TE野のモデルとしてHopfield modelを用いた。画像にノイズを加えたものを提案モデルに入力すると時間経過の中で異なるカテゴリーを出力した。この結果はHopfield modelのようなリカレントネットワークが階層的カテゴリー分類に重要であることを示唆しており、すなわちTE野のリカレント結合が階層的カテゴリー分類に重要であることを示唆している。
また、ディープラーニングのホワイトボックス化について、畳み込みニューラルネットワーク（CNN)の画像認識という切り口からの研究を行った。CNNは画像変換を行うモデルで中間層には入力の変換像が現れるが、この中間層の表現が識別精度を保ったまま、どの程度圧縮出来るかについての議論を行った。中間層の結果の相関を考慮し、圧縮アルゴリズムを導入することによって、従来研究より5.0ポイントの性能向上させることに成功した。
2020年に発表した，高次元空間潜在空間を低次元のスライダーインタフェースで探索できる微分部分空間探索という方法について、ベイズ最適化を研究する他の研究者とともに、SIGGRAPH 2021 でCourse を企画して開催した。また、人間が描いた油絵などのアーティスティックな描画スタイルの計算機による自動転写について研究し、複雑なシーンに対してフレーム間のコヒーレンスを有するアニメーションを自動生成する方法を検討した。

計算論的精神医学 / 認知ロボティクス / 神経回路モデル / ニューラルネットワーク / 予測符号化

本研究課題は，精神障害における多様な症状を生み出す脳・神経メカニズムをロボット構成論によりシステムレベルで統合的に理解することを目指すものである．そのために，不確実性を考慮した予測誤差最小化が脳の神経回路における基本的な計算原理であるという仮説を提案し，その仮説を階層的な再帰型神経回路モデルで具現化し，ロボットに実装することで検証を行った．ロボットの行動学習実験の結果，不確実性推定の失調が予測誤差信号の減少・増加をもたらし，その結果として知覚や行動における異常が生じることがわかった．さらに，不確実性推定の失調は，階層間の機能的断裂や神経活動の均一化によってもたらされるということが示唆された．

本研究成果は，不確実性を考慮した予測誤差最小化が人間の認知や行動における柔軟性の実現に欠かせない基本的な計算原理であり，その失調によって精神障害における多様な症状が理解できるということを示した．これまでの精神障害を対象とした研究において，神経レベル，情報処理レベル，認知・行動レベル等，異なるレベルにおいて様々な知見・理論が提案されてきた．本成果は，神経科学・計算論・身体性認知科学といった観点を統合したロボット構成論的アプローチによって，これらの知見・理論の橋渡しをするものであり，精神障害の統合的理解に貢献することが期待される．

ニューラルネットワーク / 神経回路モデル / パターン認識 / 視覚パターン / 手書き文字認識 / 英数字認識 / 英文筆記体文字認識 / 漢字認識 / ニュ-ラルネットワ-ク / パタ-ン認識 / 視覚パタ-ン / 文字認識

筆者が以前提唱した脳の神経回路モデル“ネオコグニトロン"や“選択的注意のモデル"などの考え方に基づいた新しい視覚パターン認識システムの設計原理の確立を目指していくつかの研究を並行して進めた.
1.ネオコグニトロン手書き英数字認識システムの設計を具体例として,新しい回路構造の導入と新しい学習方式の開発を進め,ネオコグニトロンのパターン認識能力と学習能力を向上させることに成功した.
(1)エッジ抽出細胞の出力を用いて直線を抽出することによって,線の太さによらない直線抽出を可能にした.
(2)折れ点抽出細胞を回路に組み込むことによって,学習能力と認識能力を大幅に向上させた.
(3)C細胞層を2重化することによって不均一なぼかしを実現し,変形パターン認識能力を高めた.
(4)受容野内部の感度分布を不均一にすることによって,抽出すべき特徴の形に順応して受容野の形を変化させたり,あるいは類似した特徴を弁別する能力を高めた.
(5)従来の教師あり学習と同様の高いパターン認識能力を,従来よりも簡単な学習手続きによって実現することのできる新しい誤り訂正型学習手法(遠心性信号を利用した学習手法)を開発した.
(6)競合学習に際して高い汎化能力を得るためには,特徴抽出細胞のしきい値を,学習時には認識時よりも高く設定すべきことを明らかにした.これは神経回路の競合学習全般に適用できる一般原理である.
2.選択的注意機構英文筆記体続け文字の列を認識するシステムを実現した.このシステムは,選択的注意のモデルの基本回路に,サーチコントローラーや,注意の自動切り替え機構などを付加した構造を持っている.また,手書き漢字の認識や,顔の認識にも選択的注意機構が有効であることを示した.

【研究分担者】
永田賢二	国立研究開発法人物質・材料研究機構	統合型材料開発・情報基盤部門	主任研究員	(Kakenデータベース)
楽詠コウ	青山学院大学	理工学部	准教授	(Kakenデータベース)
庄野逸	電気通信大学	大学院情報理工学研究科	教授	(Kakenデータベース)

【研究分担者】
岡田真人	大阪大学	基礎工学部	助手	(Kakenデータベース)
倉田耕治	大阪大学	基礎工学部	講師	(Kakenデータベース)