脳から深層ニューラルネットワークへの信号変換による脳内イメージ解読 －「脳－機械融合知能」の実現に向けて－
神谷之康 情報学研究科教授、堀川友慈 株式会社国際電気通信基礎技術研究所主任研究員の研究グループは、ヒトの脳活動パターンを深層ニューラルネットワーク（deep neural network model、以下DNN）等の人工知能モデルの信号に変換して利用することで、見ている画像に含まれる物体や想像している物体を脳から解読する技術の開発に成功しました。本研究成果は、人工知能の分野で進展が著しいDNNをヒトの脳と対応づけることで、脳からビッグ・データの利用を可能とする先進的技術です。 本研究成果は、2017年5月22日午後6時に英国の科学雑誌「Nature Communications」に掲載されました。 研究者からのコメント 本研究では、ブレイン・デコーディング、DNN、大規模画像データベースを組み合わせることで、脳活動パターンから、知覚・想起している任意の物体を解読する方法を開発しました。人
霊長類の回顧および内省をつかさどるメタ記憶の神経基盤の因果的な実証 : ライフサイエンス 新着論文レビュー
Causal neural network of metamemory for retrospection in primates. Kentaro Miyamoto, Takahiro Osada, Rieko Setsuie, Masaki Takeda, Keita Tamura, Yusuke Adachi, Yasushi Miyashita Science, 355, 188-193 (2017) 要 約 自分自身の記憶を内省する能力はメタ記憶とよばれ，ヒトだけがもつ高度な認知能力と考えられてきた．しかし，記憶そのものの処理と独立したメタ記憶の神経基盤が実際にヒトの脳に存在するかどうかは現在までわかっていなかった．なぜなら，ヒトを対象にした研究において，ある認知処理に相関した脳の活動を計測することはできるが，その脳の活動と行動とのあいだの因果関係を調べることは不可能だからである
ホップフィールド・ネットワーク - Wikipedia
ホップフィールド・ネットワーク (英: Hopfield network) は、ニューラルネットワークの一モデルである。 アメリカ合衆国の物理学者であるジョン・ホップフィールド (J.J. Hopfield) が提唱した[1]。ユニット（ニューロン）間に対称的な相互作用がある非同期型ネットワークであり、自然な操作によってネットワークのエネルギーが極小値をとる。元はスピンの安定条件をもとめるモデルとして発想されたものであったが、ネットワークによる連想記憶のモデルとして歓迎され、ニューラルネットブームの火付け役の一つとなり、また後のボルツマンマシンの元ともなった。これは統計的な変動をもちいて、エネルギーが極小値ではなく最小値をとることを目指すモデルである。 構造と動作[編集] 各ユニットはMcCulloch-Pitts 型入出力特性をもっている。 タイムスライスにおいて、をユニットjからiへの
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
