文献

J-GLOBAL ID：201902259588260908   整理番号：19A2402009

貯水池計算応用のための培養神経回路網モデルにおける動的複雑性の定量分析【JST・京大機械翻訳】

Quantitative Analysis of Dynamical Complexity in Cultured Neuronal Network Models for Reservoir Computing Applications

著者 (5件)： Moriya Satoshi (Research Institute of Electrical Communication, Tohoku University, Sendai, Miyagi, Japan) ,  Yamamoto Hideaki (WPI-Advanced Institute for Materials Research, Tohoku University, Sendai, Miyagi, Japan) ,  Hirano-Iwata Ayumi (WPI-Advanced Institute for Materials Research, Tohoku University, Sendai, Miyagi, Japan) ,  Kubota Shigeru (Graduate School of Science and Engineering, Yamagata University, Yonezawa, Yamagata, Japan) ,  Sato Shigeo (Research Institute of Electrical Communication, Tohoku University, Sendai, Miyagi, Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： IJCNN  ページ： 1-6  発行年： 2019年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： リザーバーコンピューティングは,脳における皮質情報処理のモデルとして提案された機械学習パラダイムである。それは,大規模なリカレントニューラルネットワークの時空間動力学を用いて情報を処理し,神経形態計算システムにおける電力効率と速度を改善することが期待される。以前の理論的研究は,脳ネットワークが完全コヒーレンスとランダム発火の中間状態を示すことを示した。それは貯留層コンピューティングに適している。しかし,貯留層の性能が接続性によってどのように影響されるか,特に脳ネットワークの最近の連結性解析において明らかにされたものは,不明のままである。ここでは,著者らは統合と発火ニューロンのモジュールネットワークを構築し,ネットワークダイナミクスに対するモジュール構造と興奮抑制ニューロン比の影響を調べた。動力学を次の3つの測度に基づいて評価した:同期バースト周波数,平均相関,および機能的複雑さ。純粋な興奮性ネットワークにおいて,複雑性はネットワークのモジュール性に依存しないことを見出した。一方,阻害ニューロンを有するネットワークは,モジュール性が高い場合に複雑なネットワーク活性を示した。著者らの知見は,脳ネットワークにおける貯留層性能の基本的な側面を明らかにし,バイオに触発された貯留層コンピューティングシステムの設計に寄与する。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 皮質 ,  バースト ,  機械学習 ,  *貯水池 ,  計算機システム ,  興奮 ,  測度 ,  連結性 ,  コヒーレンス ,  *培養 ,  ネットワーク ,  ニューロン ,  *神経 ,  *複雑性
準シソーラス用語： 貯留層 , 【Automatic Indexing@JST】

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  生体計測  (EL03020C) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (7件)： 貯水池 ,  計算 ,  応用 ,  培養 ,  神経回路網モデル ,  複雑性 ,  定量分析