村越 一支(むらこし かずし)
所属 | 情報・知能工学系 |
---|---|
兼務 | 社会連携推進センター |
職名 | 准教授 |
専門分野 | 計算知能 / 神経情報科学 |
学位 | 博士(工学)(千葉大学) |
所属学会 | 電子情報通信学会 / 日本神経回路学会 / 日本認知科学会 / 日本視覚学会 / 日本神経科学学会 / Society for Neuroscience |
mura@ ※アドレスの末尾に「tut.jp」を補完してください |
|
研究室web | http://www.ci.cs.tut.ac.jp/ |
研究者情報(researchmap) | 研究者情報 |
研究紹介
人間・動物はすばらしい情報処理機能を持っているが、まだ解明されていない機能も多い。そこで、その機能の情報処理過程を解明し、人工的な情報処理で壁・困難な問題にぶつかったとき、生体情報処理の方法に学び打開策を検討する。人間・動物の情報処理機構を検討するためには、広範な学問領域の検討が必要である。そのため、生理学・心理学的な知見をよく吟味し、情報科学的アプローチをとりながら多視点から研究を進めていく。最終目標は人間・動物と同等か上回る機能を持つ人工物を作ることである。
テーマ1:意味記憶のネットワークを形成する神経回路モデル
概要
人間は知識である意味記憶を連鎖してネットワークとして蓄えていると言われている。そのような意味記憶のネットワークを人間がどのように学習しているのかを説明する神経回路モデルを提案している。提案するモデルを図に示し、概略を説明する。連合野第1層では入力がそのまま反応し、歯状回、回帰結合を持つ海馬CA3層を経由し、時系列データを海馬内で学習し、海馬CA1層に出力する。連合野第2層はaとbの二つ設け、aは個人の体験であるエピソード記憶、bは意味記憶を保持する。連合野2bでは意味記憶形成と生体で観測されているスパイクタイミング依存性シナプス可塑性(Spike-Timing-Dependent synaptic Plasticity; STDP)の関係を調べるためSTDPを学習則として用いた。STDPは結合する前後の神経細胞の発火のタイミングにより伝達効率が変化する現象のことで、生体の様々な学習の元になっていると考えられている。図中のオレンジ色の矢印は、STDPで結合強度が変化する神経結合を示している。シミュレーションにより、意味記憶のネットワークを学習することができることを確認した。さらに図中の緑色の矢印の抑制性の神経結合をSTDPで学習することにより例外も学習形成できるモデルを示している。
キーワード
テーマ2:柔軟な強化学習アルゴリズム
概要
人間は試行錯誤の行動をして得られる結果(報酬)から学習を行い最適な行動を取得する強化学習を行うことができる。そのような強化学習のアルゴリズムが提案されているが、従来の強化学習は再学習を行うときに時間がかかるという問題があった。そこで強化学習アルゴリズムを制御しているパラメータをうまく制御し、柔軟に学習を行うアルゴリズムを提案している。図において、左上のスタートから右下のゴールまでの道筋を強化学習で学習した後(図a)、途中に新しく壁を設ける(図b)。従来の強化学習アルゴリズムではなかなか迂回路を探し出すことができないが、提案手法では比較すると素早く迂回路を探し出すことができた。
キーワード
担当授業科目名(科目コード)
微分積分I / 知能情報処理
その他(受賞、学会役員等)
・多次元のデータを低次元(通常2次元)にマッピングする自己組織化マップのアルゴリズムの改良・利用
・感覚モデル(主に視覚)の構築による機能の解明や利用した応用(画像処理など)