自己組織ニューラルネットワークにおけるシナプス荷重の時空間的解析

概要

論文の詳細を見る
近年,様々な分野で複雑ネットワークの研究が行われている.ニューラルネットワークは,典型的な複雑ネットワークの一つである.多くのニューラルネットワークに対して,複雑ネットワーク的観点からの解析が行われているが,それらの多くは静的なネットワークに対する解析である.ここで静的とは,ネットワークの形状が変化しないということを意味している.しかし,実際のニューラルネットワークでは,学習によりネットワークの形状が常に変化し続けている.一方,近年,脳科学の発展によって,スパイクタイミング依存可塑性(STDP)と呼ばれる新たな学習則が報告されている.従って,ニューラルネットワークは,このような学習則によりネットワーク構造を自己組織化していると考えられる.従来の静的なニューラルネットワークの解析は必要不可欠ではあるが,静的なニューラルネットワークの解析だけでは十分とは言えない.そこで,本報告では,ニューラルネットワーク構造の変化を動的に捉え,複雑ネットワーク論の立場から解析している.その結果,ニューラルネットワークがスモールワールド効果を呈することを示す.また,ニューラルネットワークがスモールワールド効果を呈することにより,ネットワーク内のニューロンの発火のランダム性が増加することを示している.
2007-10-11

自己組織ニューラルネットワークにおけるシナプス荷重の時空間的解析

スポンサーリンク

概要

著者

関連論文

スポンサーリンク