Code Archive Skip to content Google About Google Privacy Terms
By Leo Reynolds 人間と他の動物を決定的に分けるのは、高度に発達した人間の脳がもたらす高い知性です。ある研究チームではそんな人間の脳細胞をマウスに移植して定着させ、「半人間脳」状態のマウスを作り出すことに成功しました。 The smart mouse with the half-human brain - health - 01 December 2014 - New Scientist http://www.newscientist.com/article/dn26639-the-smart-mouse-with-the-halfhuman-brain.html この実験を行ったのは、アメリカ・ロチェスター大学メディカル・センターのSteven A. Goldman博士の研究チーム。博士は臓器提供を受けた人間の胎児から取り出した未成熟のグリア細胞を子どものマウスの脳細胞に移
2. ⾃自⼰己紹介 l 得居 誠也 (Seiya Tokui) l アカウント:beam2d (Twitter, GitHub, etc.) l 東⼤大情報理理⼯工で修⼠士を取ってから PFI ⼊入社 – 最初は⾃自然⾔言語処理理やってた(潜在変数を⼊入れた系列列ラベリング学習) – 次に画像・⾔言語対象に近傍探索索やった(ハッシュ関数の学習) – ⼊入社後は Jubatus のアルゴリズム開発 – 今は PFN で Deep Learning とか映像解析とかとか l 前回スキップしたせいで PFI セミナーは 16 ヶ⽉月ぶり l 今⽇日話す RNN は⾳音声認識識でもよくやられていて⾼高い精度度も出てますが 僕が⾳音声に不不慣れなので今⽇日は話しません(すみません) 2 3. もくじ l 問題設定 l Recurrent Neural Networks l Backp
2. ⾃自⼰己紹介 l 得居 誠也 (Seiya Tokui) l Preferred Networks リサーチャー l Jubatus のアルゴリズム開発 – Jubatus: NTTとPFIで共同開発しているオープンソースの分散 リアルタイム機械学習基盤 http://jubat.us/ l 現在は映像解析とディープラーニングの研究開発に従事 2 3. ニューラルネットの基礎、実装、実験について話し ます l ニューラルネットの道具 – 全体の構成、⾏行行列列による表現、損失関数、誤差逆伝播、SGD l 主要な実装 – Pylearn2, Torch7, Caffe, Cuda-‐‑‒convnet2 l フレームワークの基本的な設計 – テンソルデータ、レイヤー、ネット、最適化ルーチン – アーキテクチャの記述⽅方法(宣⾔言的、スクリプティング) l 実験の進め⽅方
IBMが脳からヒントを得た「ニューロシナプティック・コア」を持つ半導体を正式に発表。量産化のめどがたったことで、「ニューロシナプティックスーパーコンピューター」の実現が期待される。 米IBMは2014年8月7日(現地時間)ニューロシナプティックコンピューターチップ「IBM SyNAPSE」を正式に発表した。製造はサムスン電子の28nm製造プロセスを採用している。リアルタイムオペレーション時の消費電力は70ミリワット。100万個のプログラム可能な「ニューロン」と2億5600万個のプログラム可能な「シナプス」、そして毎秒毎ワット460億の「シナプティックオペレーション」を実現する。 SyNAPSEは、われわれがよく知るノイマン型コンピュータとは全く異なるアーキテクチャを採用しており、スケーラビリティにおいては実質的に無限の拡張性を持つものになる。一方、アーキテクチャが全くことなることから、その
2024/07/05 お知らせ 教務チーム 夏季休業期間中の窓口休止等について 2024/07/03 募集案内 SPRING GXおよびBOOST NAIS 2024年秋募集についてのご案内 2024/07/02 募集案内 【7/26締切】学術専門職員(特定短時間勤務有期雇用教職員)募集(生命物理化学教室) 2024/06/25 募集案内 【7/9締切】技術補佐員(短時間勤務有期雇用教職員)募集(薬品代謝化学教室) 2024/06/19 募集案内 【7/2締切】特任専門職員(特定有期雇用教職員)募集(事務部教務チーム) 2024/06/19 募集案内 【7/2締切】特任研究員(特定有期雇用教職員)募集(免疫・微⽣物学教室) 2024/06/05 募集案内 【6/30締切】技術補佐員(短時間勤務有期雇用教職員)募集(分子生物学教室) 2024/05/27 募集案内 【6/14締切】特任研究員
DDN は 音楽 ・ 映像 に関する デジタル アート を中心に情報ミックスを配信中
脳には様々なタイプの神経細胞が存在しています。タイプによって細胞体や神経突起の形が異なったり、発現しているたんぱく質(マーカー蛋白)が異なったりします。そして何より重要なことに、発火のパターンが異なります。 神経細胞の挙動を模倣するモデルを設計するとき、できる限り簡単な数式で、かつ、できる限り多彩な挙動を示すモデルが望まれます。2003年にユージン・イジケヴィッチ(Eugene M. Izhikevich)が提唱したモデルは、計算負荷の軽減と挙動の多様性において、理想に近い数理モデルです(欠点は数式に電気生理学的な意味を見出すのが困難(?)なことでしょうか)。ここではそのモデルを取り上げたいと思います。 ここで使われる数式は4つの変数(v, t, I, u)を含む簡単な常微分方程式(ODE)です。二つの式で成り立っていますので、いわゆる連立線形常微分方程式と呼ばれるタイプになります。 一つ
脊髄損傷や脳梗塞による運動麻痺患者の願いは、「失った機能である自分で自分の身体を思い通りに動かせるようになりたい。」ということです。しかしながら、これまでのリハビリテーション法・運動補助装置では一度失った機能を回復させることは困難でした。今回、生理学研究所の西村幸男 准教授と米国ワシントン大学の研究グループは、自由行動下のサルに大脳皮質の神経細胞と脊髄とを4x5cmの神経接続装置を介して人工的に神経結合し、大脳皮質と脊髄の繋がりを強化することに世界で初めて成功しました。本研究成果を日常生活で利用可能な脊髄損傷や脳梗塞などの運動・感覚麻痺に対する新しいリハビリテーション法として応用することを目指します。本研究結果は、神経科学専門誌NEURON誌(2013年11月7日オンライン速報)に掲載されます。 研究チームは大脳皮質と脊髄間の繋がり(シナプス結合)を強化する目的で、自由行動下のサルの大脳皮
2013年09月21日 Tweet 【脳科学ヤバい】人間の脳を「ネットで繋ぐ」インターフェース実験がついに成功 ワシントン大学 科学・技術│15:30│コメント(13) 1 : リバースパワースラム(北海道) :2013/09/21(土) 12:42:47.86 ID:GczX3FdT0 BE:6278018898-PLT(12100) ポイント特典 ついに攻殻機動隊やマトリックスが目前に。ワシントン大学がインターネットを介して人間と人間の脳を接続、 離れた両者間でリアルタイムに意志を伝えるブレイン・マシン・インタフェース (BMI: Brain-machine Interface) 実験に成功した 2匹のラットを使っての試みはデューク大学がすでに成功させていたが、今回の成功で人類は初めてヒト脳間の 段階へ進み、しかも映画のように「脳にプラグを埋め込む」などの外科手術を必要としない非侵襲に
人間の皮膚の上で、10センチほど離れた2点を連続的に刺激すると、2点間を小さなウサギが跳ねていくような錯覚が生じる「皮膚兎(うさぎ)」と呼ばれる現象が、手にした道具上でも起こることを、高知工科大と東京大の研究チームが発見した。この仕組みを解明すれば、体になじみやすい義手など福祉装具の開発やロボットの遠隔操作技術の発展に貢献できると期待される。 宮崎真・高知工科大准教授(神経科学)らは、男女8人(18~23歳)に協力を依頼。人さし指の上に、幅5ミリ、長さ10センチのアルミ製の板(重さ約13グラム)を置いた。刺激装置を使って、皮膚兎を起こすのと同じような刺激を、板の上から左の人さし指に0.8秒間隔で2回、その直後に右の人さし指に1回の計3回の刺激を与えた。 その結果、全員が2回目、3回目の刺激を両指の間(約8センチ)の板上に受けたように錯覚した。平均すると、2回目は刺激を実際に受けた位置から約
Echo state networks (ESN) provide an architecture and supervised learning principle for recurrent neural networks (RNNs). The main idea is (i) to drive a random, large, fixed recurrent neural network with the input signal, thereby inducing in each neuron within this "reservoir" network a nonlinear response signal, and (ii) combine a desired output signal by a trainable linear combination of all of
Reservoir computing is a framework for computation derived from recurrent neural network theory that maps input signals into higher dimensional computational spaces through the dynamics of a fixed, non-linear system called a reservoir.[1] After the input signal is fed into the reservoir, which is treated as a "black box," a simple readout mechanism is trained to read the state of the reservoir and
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