神経集団モデルにおける学習則に応じたネットワーク結合強度の解析

カテゴリ: 研究会(論文単位)

論文No: MAG21033,MBE21025

グループ名: 【A】基礎・材料・共通部門 マグネティックス/【C】電子・情報・システム部門 医用・生体工学合同研究会

発行日: 2021/03/13

タイトル(英語): Analysis of adaptive network dependent on learning rule in neural population model

著者名: 井口 龍輝(東京大学),吉開 悠人(東京大学),杉野 正和(東京大学),野山 大樹(東京大学),小谷 潔(東京大学),神保　 泰彦(東京大学)

著者名(英語): Ryuki Iguchi(The University of Tokyo),Yuto Yoshikai(The University of Tokyo),Masato Sugino(The University of Tokyo),Hiroki Noyama(The University of Tokyo),Kiyoshi Kotani(The University of Tokyo),Yasuhiko Jimbo(The University of Tokyo)

キーワード: 数理モデル|シナプス可塑性|適応的ネットワーク|神経集団|結合強度|位相縮約|mathematical model|synaptic plasticity|adaptive network|neural population |coupling strength|phase reduction

要約(日本語): 脳内の学習は，脳細胞間のシナプス結合強度に変化が生じることにより実装されると考えられており，この現象はシナプス可塑性と呼ばれている．本研究では、神経細胞の発火モデルであるmodified theta modelに対し，シナプス可塑性を再現した学習則を導入し，シナプス結合強度の変化を観察した．その結果，抑制性神経細胞と興奮性神経細胞の双方で， それぞれの学習則の状態に応じて，非自明な安定状態が得られた．

要約(英語): Learning in the brain is thought to be implemented by changes in the strength of synaptic connections between neurons, which is called as synaptic plasticity. In this study, we introduced a learning rule that reproduces synaptic plasticity into a voltage dependent theta model (the Modified Theta model), and observed the changes in synaptic strength with different values of synaptic reversal potentials. We found that non-trivial stable states were obtained for both inhibitory and excitatory neurons, depending on learning rules.

本誌: 2021年3月16日マグネティックス/医用・生体工学合同研究会－2

本誌掲載ページ: 39-43 p

原稿種別: 日本語

PDFファイルサイズ: 1,462 Kバイト