網膜の不均一性と皮質での特徴抽出機構を考慮した注視点移動モデル
スポンサーリンク
概要
- 論文の詳細を見る
網膜の解像度は,その中心部では高いが周辺部に向かうにつれて急激に減少する.このような網膜の不均一性を考慮した注視点移動モデルは提案されているが,大脳視覚野の細胞の受容野の不均一性まで注目したモデルはほとんどなかった.実際,皮質での特徴抽出細胞の受容野の大きさは網膜中心部からの偏心とともに増加している.そこで,網膜の不均一性だけでなく皮質での特徴抽出細胞の受容野の不均一性まで考慮した注視点移動モデルを提案する.加えて,我々は探索眼球移動により得られた視覚情報の統合まで考える.
- 社団法人電子情報通信学会の論文
- 1994-03-24
著者
関連論文
- 細胞新生する連想記憶モデルの統計力学的解析(確率モデル,統計,学習,神経ダイナミクス,一般)
- トップダウンアプローチによる海馬CA3錐体細胞の位相応答曲線の予測
- 26pTE-1 トップダウン的アプローチによる海馬CA3錐体細胞の位相応答曲線の予測(ニューラルネットワーク,領域11,統計力学,物性基礎論,応用数学,力学,流体物理)
- 点対応を用いない両眼視からの構造復元アルゴリズム
- オクルージョンを考慮した視差推定アルゴリズム
- Near Cell, Far Cellの神経回路モデル
- 膜電位固定法における空間固定問題の数理解析
- 時系列パターン認識のためのネオコグニトロン型学習法の改善
- 神経細胞のカノニカル記述の同定と統計力学 : 脳をミクロからマクロへ理解する
- 18aRD-1 Stuart-Landau振動子系から位相振動子系への巨視的漸近特性
- 6p-YD-10 スタンダードなHebb学習を用いた振動子ネットワークの相転移現象
- スタンダードな Hebb 学習を用いた振動子ネットワークの相転移現象
- 28pTJ-14 細胞新生する連想記憶モデルの統計力学的解析(28pTJ ニューラルネットワーク,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
- ネオコグニトロンにおける特徴抽出細胞のしきい値設定法
- 追従性眼球運動と跳躍性眼球運動を実現する神経回路モデル
- 30)網膜と皮質の不均一性を考慮した視覚系のモデル(ヒューマンインフォメーション研究会)
- 網膜と皮質の不均一性を考慮した視覚系のモデル
- 網膜と皮質の不均一性を考慮した視覚系のモデル
- 網膜と皮質の不均一性を考慮した注視点移動モデル
- 網膜と皮質の不均一性を考慮した注視点移動モデル
- 網膜の不均一性と皮質での特徴抽出機構を考慮した注視点移動モデル
- 運動によって引き起こされる錯視を説明する計算モデルについて
- 動く輪郭の速度知覚について
- 両眼視型ネオコグニトロンを用いた立体視のモデル
- Stuart-Landau振動子系から位相振動子系への巨視的漸近特性 : 3次のStuart-Landau振動子の場合
- スタンダードなHebb学習を用いた振動子ネットワークの相転移現象
- 選択的注意機構による顔の部分パターンの切り出し
- ネオコグニトロンのC細胞の自己組織化
- 多重マップによる新しい情報表現の自己組織化
- 多重マップの自己組織化
- 第1次視覚野における神経細胞の反応特性を説明するモデル
- 振動子ネットワークの非同期現象による偽記憶の識別
- 解像度の異なる二つの神経回路を用いた顔の特徴抽出
- 運動視の処理系の神経回路モデル
- 選択的注意機構のモデルの改善
- 23aGE-8 細胞新生するスパースな連想記憶モデルの統計力学的解析(23aGE ニューラルネットワーク,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
- ダイナミックリンクの位相同調理論による理解 (特集 結合振動子系のダイナミクス--同期・非同期現象)
- 28)拡散方程式を用いた画像間の連続非線形写像の形成(ヒューマンインフォメーション研究会)
- ダイナミックリンクにおける歪みの理論
- ダイナミックリンクによる画像の部分どうしのマッチング
- 拡散方程式を用いた画像間の連続非線形写像の形成
- 拡散方程式を用いた画像間の連続非線形写像の形
- ダイナミックリンクによる画像の部分どうしのマッチング
- ネオコグニトロンの実用化 : ETL文字データベースによる評価
- ETL文字データベースに対するネオコグニトロンの認識率
- 細胞新生するスパースなHopfieldモデルの統計力学的解析(ニューロコンピューティングの実装及び人間科学のための解析・モデル化,一般)
- ネオコグニトロンの誤差逆伝搬法による学習
- 選択的注意機構のモデルの改良
- 0次減衰する連想記憶モデルの記憶容量に関する研究(一般,複雑系とニューロコンピューティング)
- ネオコグニトロンの新しい学習法
- ベータ次減衰するシナプスをもつ連想記憶モデルの記憶特性
- Pattern Recognition Research for the Future