離散選択理論を用いた大脳皮質神経回路によるベイズ推定機能の生物学的実現
スポンサーリンク
概要
- 論文の詳細を見る
適切に外界を知覚するためには,脳は不確定性に対処しなければならない.近年,ベイズ理論の枠組みを用いることにより、不確実性に直面したときの脳のふるまいを説明できることが実験的に明らかになっている.また,ベイズ推定を実行する神経回路モデルが提案されている.しかし,それらのモデルにおける推定アルゴリズムが神経生理学的制約下で実行できるかどうかは不明である.そこで本研究では,先行研究のモデルに離散選択理論を取り入れ,より生物学的に妥当なベイズ推定アルゴリズムを実行する神経回路モデルを提案する.実験により,提案モデルがノイズを含む線分刺激の方位推定過程を説明できることを示した.
- 2012-07-23
著者
-
北野 勝則
立命館大学情報理工学部知能情報学科
-
小林 亮太
立命館大学
-
小林 亮太
立命館大学情報理工学部
-
二木 大樹
立命館大学大学院情報理工学研究科
-
北野 勝則
立命館大学情報理工学部
-
北野 勝則
立命館大学 情報理工学部 知能情報学科
関連論文
- NIRSを用いた基礎的なドラム演奏時における熟達者-非熟達者間の脳活動比較(BCI/BMIその周辺,一般)
- 脳の情報表現 (特集《神経情報処理》最前線--情報科学と神経科学の融合)
- 大脳皮質神経細胞集団の形成--シナプス可塑性とその先 (特集 学習と記憶--基礎と臨床)
- 神経情報科学サマースクール NISS 2002講義録神経細胞とシナプスの数学モデル : 基礎と応用
- CNS 2001 参加報告
- 現実的な皮質ニューロンモデルの回路において生成される自発的な二状態間遷移
- 膜電位特徴を用いた遺伝的アルゴリズムによるニューロンパラメータ推定 (ニューロコンピューティング)
- NIRSデータの非線形時系列解析 (ニューロコンピューティング)
- 離散選択理論を用いた大脳皮質神経回路によるベイズ推定機能の生物学的実現 (ニューロコンピューティング)
- ドーパミン依存的応答変化を示す視床下核ニューロンモデル (ニューロコンピューティング)
- 粒子群最適化によるMulti-timescale Adaptive Thresholdモデルのパラメータ推定 (回路とシステム)
- 神経細胞の膜電位時系列から時間変動する入力信号と隠れ変数のダイナミクスを推定する(ポスターセッション,第14回情報論的学習理論ワークショップ)
- 粒子群最適化によるMulti-timescale Adaptive Thresholdモデルのパラメータ推定 (非線形問題)
- 神経細胞の膜電位時系列から時間変動する入力信号と隠れ変数のダイナミクスを推定する
- 25aAG-2 神経細胞膜電位データから時間変動する入力信号を推定する(25aAG ニューラルネットワーク2,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
- ドーパミン依存的応答変化を示す視床下核ニューロンモデル
- カイコガ触角葉における匂い情報のポピュレーションコーディング
- 離散選択理論を用いた大脳皮質神経回路によるベイズ推定機能の生物学的実現
- NIRSデータの非線形時系列解析
- 膜電位特徴を用いた遺伝的アルゴリズムによるニューロンパラメータ推定
- 29pXR-5 結合Escape rate modelを用いて多細胞スパイクデータからシナプス結合を推定する(29pXR ニューラルネットワーク2,領域11(統計力学,物性基礎論,応用数学,力学,流体物理))
- 粒子群最適化によるMulti-timescale Adaptive Thresholdモデルのパラメータ推定
- 粒子群最適化によるMulti-timescale Adaptive Thresholdモデルのパラメータ推定
- 膜電位特徴を用いた遺伝的アルゴリズムによるニューロンパラメータ推定