重み付き有向グラフモデリングによるスパイクデータ解析
スポンサーリンク
概要
- 論文の詳細を見る
近年の技術の発展により,脳からニューロンの発火活動のデータを得られるようになった.このデータを解析することで,脳の情報処理の仕組みを理解することが期待されている.脳は外部からの情報を処理する際,ニューロンの単独の活動で情報を処理しているのではなく,多数のニューロンが相互に影響を及ぼし合い,協調的な発火活動をすることで情報を処理していると考えられている.つまり,脳から得られるデータを解析するには,協調の様子を捉えることができるものが望ましい.また,ニューロンのシナプス結合には向きと強さ,及び興奮性・抑制性の違いが存在するため,これらを表現できることも求められる.本研究では脳内の多数のニューロンが相互に影響を与え合う様子を,重み付き有向グラフによりモデル化した上で,そのグラフ構造推定手法を提案する.ニューロンモデルから作成した擬似スパイクデータに提案手法を適用し,重み付き有向グラフを推定した結果を示す.
- 2014-06-18
著者
関連論文
- 極射影平面を利用した放射対称歪曲の較正 (ヒューマン情報処理)
- 極射影平面を利用した放射対称歪曲の較正 (パターン認識・メディア理解)
- 頑健なヤコビ核主成分分析に向けて(テーマ関連セッション5,コンピュータビジョンとパターン認識のための学習理論)
- 頑健なヤコビ核主成分分析に向けて(テーマ関連セッション5)
- 主成分曲線のあてはめによる放射対称歪曲の較正(一般セッション1,移動カメラ画像処理におけるパターン認識とメディア理解)
- D-1-9 Bregman情報量に基づく変数間の独立性の一般化(D-1. コンピュテーション,一般セッション)
- F-050 GESによる補正を行った情報量に基づくパラメタ推定法の評価(F分野:人工知能・ゲーム)
- LF_001 e-混合モデルの推定(F分野:人工知能・ゲーム)
- ベイジアンネットワークによる突然変異モデルの作成とBelief Propagationによる推定(機械学習によるバイオデータマイニング)
- ニューラルネットワークの中間層における独立な特徴量の抽出(「機械学習によるバイオデータマインニング」及び「一般」)