差分
このページの2つのバージョン間の差分を表示します。
| 次のリビジョン | 前のリビジョン 最新のリビジョン 両方とも次のリビジョン | ||
|
全脳モデル:大脳皮質 [2017/03/31 22:20] n.arakawa 作成 |
全脳モデル:大脳皮質 [2017/04/03 22:19] n.arakawa |
||
|---|---|---|---|
| 行 9: | 行 9: | ||
| * 空間パターン認識 | * 空間パターン認識 | ||
| * 時間パターン認識 | * 時間パターン認識 | ||
| + | * パターンの教師なし学習 | ||
| * 予測 | * 予測 | ||
| * 確率推定 | * 確率推定 | ||
| * パターン生成（想起） | * パターン生成（想起） | ||
| - | 一方、部位はそれぞれ違った接続先に応じて別々の機能を発揮します。\\ | + | 一方、異なる部位は異なる接続先を持つため異なる機能を発揮します。\\ |
| 部位の機能には以下のような分類を考えることができます。 | 部位の機能には以下のような分類を考えることができます。 | ||
| - | * 感覚処理\\ いわゆる感覚野の機能であり、聴覚、触覚、体性感覚などが処理対象になります。 | + | * 感覚処理⇒[[全脳モデル: |
| - | * 実行処理\\ 運動信号の出力や行動の決定、計画を行います。 | + | * 実行処理⇒[[全脳モデル: |
| - | * 連合処理\\ 異なる種類の感覚情報や実行の情報を統合します。 | + | * 連合処理⇒[[全脳モデル: |
| + | === モデル === | ||
| + | 大脳皮質の一般的なモデルには上で述べた「共通の機能」の実現が要求されます。\\ | ||
| + | 空間パターン認識と空間パターンの教師なし学習は[[https:// | ||
| + | 時間パターン認識と時間パターンの教師なし学習は[[機械学習: | ||
| + | 予測装置としての大脳皮質のモデルにはいくつかのものがあります。 | ||
| + | * Hierarchical Temporal Memory (HTM) (⇒[[http:// | ||
| + | * PredNet (⇒[[http:// | ||
| + | * Fristonらのモデル (⇒[[https:// | ||
| + | 確率推定を行うモデルはベイジアンと呼ばれます。深層学習の分野ではベイジアンモデルとして（大脳皮質のモデルとして提案されているわけではありませんが）[[機械学習: | ||
| + | パターンを想起するモデルは生成モデルとも呼ばれ、予測や確率推定の機能とも関係します。\\ | ||
| + | 「共通の機能」をすべて満たすモデルが存在するかどうかは議論のあるところです。大脳皮質の構造を直接真似していなくてもよいなら（確率的な）自己符号器を用いたRNNは、ほとんどすべてを満たすものかもしれません。 | ||