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
[自己組織化写像] - Wikipedia
自己組織化写像（じこそしきかしゃぞう、英: Self-organizing maps, SOM, Self-organizing feature maps, SOFM）はニューラルネットワークの一種であり、大脳皮質の視覚野をモデル化したものである。自己組織化写像はコホネンによって提案されたモデルであり、教師なし学習によって入力データを任意の次元へ写像することができる。主に1～3次元への写像に用いられ、多次元のデータの可視化が可能である。出力となる空間をマップ (map)、競合層 (competitive layer)、もしくは出力層 (output layer) と呼ぶ。出力層に対して入力データの空間を入力層(input layer)と呼ぶこともある。自己組織化写像はコホネンマップ (Kohonen map)、コホネンネットワーク (Kohonen network)、自己組織化マップ、ソム
![[自己組織化写像] - Wikipedia](https://cdn-ak-scissors.b.st-hatena.com/image/square/ca8ebce88f8a50de73de64efc935b210220d88b4/height=288;version=1;width=512/https%3A%2F%2Fupload.wikimedia.org%2Fwikipedia%2Fcommons%2Fthumb%2Ff%2Ffe%2FKernel_Machine.svg%2F1200px-Kernel_Machine.svg.png)
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
