多階層予測符号化モデルに基づくパターンの表現(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)

概要

論文の詳細を見る
皮質領野間の双方向結合を説明する階層的なモデルとして,予測符号化モデルがある.2階層の予測符号化モデルは,自然画像の学習により,V1に類似する特性を獲得できることが示されている.予測符号化モデルがV1に限らず,視覚皮質の階層処理全般を表すモデルであれば,ネットワークの多層化によりITなどの高次領野の特性も獲得できることが期待される.本研究では,予測符号化モデルに基づく4階層のネットワークを構築し,様々な自然画像やアルファベットの学習を行った.学習により,ネットワークはアルファベットがもつ線分の複雑な組合せ特徴を基底として獲得した.また,学習後のネットワークに文字パターンを呈示すると,第4層のニューロンは入力からの時間経過に応じて異なるレベルのパターン分類を行った.更に,第4層のニューロンは,入力パターンの平行移動や拡大縮小に対してなだらかに応答を変化させた.以上の特性は,ITについて報告されている特性と類似する.この結果より,多階層の予測符号化モデルは,V1だけでなく腹側経路におけるより高次の階層処理も説明できるモデルであるといえる.
2011-01-01