- 著者
-
萩原 直洋
塚田 稔
合原 一幸
- 出版者
- 一般社団法人電子情報通信学会
- 雑誌
- 電子情報通信学会技術研究報告. NC, ニューロコンピューティング
- 巻号頁・発行日
- vol.96, no.584, pp.183-188, 1997-03-18
実際の生理実験結果によれば、海馬神経回路の可塑性は時空間パターンに依存しニューロン間結合荷重が変化する事が知られている。海馬は外界の時間的・空間的情報を一つの文脈として一時的に保持する短期記憶の場所と言われている。ニューロン間の結合の重み(荷重)を変える事(学習則)によって、その情報は神経回路の荷重空間に一時的に貯えられる。本研究では、海馬の短期記憶のモデルとして単純な一層全結合のニューラルネットを用いた。入力は順序の組合わせの異なる時空間系列パターンとし、学習則に関しては、海馬CA1回路の長期増強(LTP)のデータに基づき、事象の生起の一致性と時間的履歴現象を考慮して提案された塚田らの時空間学習則とHebb則およびHebb則の時間への拡張則とする。これらの学習則による出力パターン分離機能をハミング距離を比較する事によって評価した。この結果、塚田らの時空間学習則は最も優れている事が明らかとなった。