細谷研究室 演習３課題
細谷研究室 演習３課題 (2008) 最近の計算論的脳科学の研究分野では、脳で行われている情報処理が、機械学習理論でモデル化できるという考え方が注目されています。当研究室の課題では、そのような脳科学と深く関係する機械学習理論として、 自己組織化マップ ベイジアンネット 強化学習 独立成分分析 の３つの中から選択し、 学習理論の勉強し、 そのアルゴリズムを実装しながら体感し、 脳とどのように関係するかを文献で学びます。 自己組織化マップ（Self-Organizing Map; SOM） コホーネンが提案する教師なし学習アルゴリズムです。入力の統計的性質から、頻繁に現れる種類の入力をひとまとめにし、なるべく似た入力が近くに配列されるように、「地図」を作ります。 例えば、下の左図はいろいろな動物の特徴をビット列で表した表ですが、これを入力とすると、右図のような出力を得ることができます。鳥類・
Introduction - 細谷研究室
English 計算論的脳科学 ーーー 脳の情報処理の解明に向けて 脳ってどういう仕組みで動いてるのだろう？ この疑問は、古今東西、人類の一大関心事であり、２１世紀になった今でも解明されていない最大の謎の一つです。最近のマスコミでの取り上げ方や、大量の書籍からもわかるように、専門家だけでなく、一般の関心も相当なものです。でも、それは当たり前のことなのです。 なぜなら、脳とは、自分自身のことであり、人間ならば皆、自分とはどういう存在なのか、ということを知りたいと思うでしょう。 当研究室は、脳科学の中でも、「計算論的脳科学」に関心を持って研究しています。 「計算論」とは何でしょう？ 脳科学は、旧来は実験を主体とする生物学の守備範囲でした。つまり、解剖学や生理学の手法を使って、「脳の基本単位である神経細胞がどういう仕組みになっているの？」とか「脳のどの場所でどういう機能があるの？」とか「脳のどこ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
