報酬系による制御を取り入れたワーキングメモリーモデル
スポンサーリンク
概要
- 論文の詳細を見る
本研究では報酬系からのワーキングメモリ一機構に対する制御に着目し,ワーキングメモリーモデルの数理モデル化を行った.ワーキングメモリーを構成する機構として,情報の選択機構,保持機構,消去機構,操作機構を考え,これらの機構に対する制御を,報酬予測が可能なTemporal Difference (TD)モデルを用いて定式化した.ワーキングメモリー課題である遅延反応課題とGo-Nogo課題に対する数値実験を行った.その結果,ワーキングメモリー機能を実現するためには,報酬の他に様々な情報の予測が重要である事が示された.
- 2004-03-12
著者
-
三宅 章吾
東北大学工学研究科
-
佐藤 俊治
電気通信大学大学院
-
佐藤 俊治
東北大学工学研究科応用物理学
-
佐藤 俊治
電気通信大学大学院情報システム学研究科
-
佐々木 亮
東北大学工学部
-
佐々木 亮
東北大学工学研究科応用物理学専攻
関連論文
- 標準正則化原理と生理学的知見に基づく盲点補完モデル
- 分数階微分ガウス関数によるV1単純型細胞の時空間受容野モデル
- 報酬系による制御を取り入れたワーキングメモリーモデル
- カオスニューラルネットワークダイナミクスへのパターン間相関の影響
- A-2-27 非定常な時系列に対応した長期予測
- アセチルコリンの働きを考慮した長期記憶形成モデル
- D-12-43 パターン認識のための適応的非線形次元圧縮法
- V1野細胞の受容野と視差選択性細胞に関する計算論的考察
- A-15-21 側方性結合を用いた境界検出モデル(A-15. ヒューマン情報処理)
- 非線形変換を用いたニューラルネットワークによる知識獲得法
- 強化学習を用いた放射状迷路課題のモデル化
- ラットのオペラント課題における強化学習モデル
- 第一次視覚野における皮質内水平結合の計算論的意義
- D-2-19 階層型強化学習を用いた系列運動学習課題の学習モデル
- 方位選択性地図とクラスター学習則
- 方位選択性におけるピンホイル特異点の形成
- 回転パターンを認識するネオコグニトロン
- モンテカルロシミュレーションによる方位選択性の自己組織化
- 高次コラム構造の自己組織化
- 脳の大規模数理モデル構築共有プラットフォーム
- 物体形状に関するゲシュタルト性を考慮した注意視モデル
- D-2-20 運動指令説に基づくジェスチャー知覚・生成モデル
- ぺージャ用ループアンテナの放射効率の数値解析
- 多解像度画像再構成を計算論とするV1野モデル
- 動的輪郭法の計算原理に基づく物体検出モデル(バイオサイバネティックス, ニューロコンピューティング)
- 新しいネオコグニトロン型ネットワークとICA・PCAを用いた学習法(バイオサイバネティックス, ニューロコンピューティング)
- Level-set 法と Active Contours の計算原理に基づく視覚モデル
- 動的輪郭法を動作原理とする視覚モデル--工学的画像処理手法は脳の数理モデルにもなり得る
- 動的輪郭法の計算原理に基づく視覚モデル(「感性情報処理の基礎と応用」及びヒューマン情報処理一般)
- H-003 動的輪郭法のエネルギー解析による図地反転現象の考察(H.生体情報科学)
- 図地反転知覚における視覚的注意のモデル
- スケールスペース理論に基づく注視モデル(バイオサイバネテッィクス,ニューロコンピューティング)
- 仮定と検証に基づく注視点移動によるパターン認識モデル(バイオサイバネティックス,ニューロコンピューティング)
- 心的回転を基に構成されたパターン認識モデル
- 遮蔽されたパターンおよびテクスチャパターンの認識
- D-2-15 パルス結合型ニューラルネットワークによる図形検出モデル
- 視覚神経系モデルシミュレーションの複数GPUによる高速化
- 視覚神経系数理モデルシミュレーションのMPIによる並列化
- 非線形変換を用いたモジュール型ニューラルネットワークによるパターン認識
- 仮定と検証に基づくパターン抽出モデル
- D-2-2 仮定と検証に基づく位置・変形に頑健なパターン認識モデル
- フィッシャー情報行列を用いた多層パーセプトロンの学習について
- スケールスペース解析及びヒトの認知現象に基づいた注意視モデル(認知現象の分析とモデル化(その2))
- D-2-12 マルコフ過程を学習する自己組織化ネットワーク
- 独立成分分析を用いたパターンの特徴抽出法
- ネオコグニロン型神経回路モデルの開発支援を目的としたライブラリの設計と実装
- 回転対応型ネオコグニトロン
- 回転角に対応する可変結合を持つ回転対応型ネオコグニトロン
- 回転対応型ネオコグニトロンの改良