自発活動するスパイキングニューラルネットワークにおける情報処理容量

カテゴリ: 部門大会

論文No: TC3-3

グループ名: 【C】2022年電気学会電子・情報・システム部門大会

発行日: 2022/08/24

タイトル(英語): Information Processing Capacity of Spontaneously Active Spiking Neural Networks

著者名: 諏訪 瑛介（東京大学）,高野 雄基（東京大学）,池田 成満（東京大学）,石田 直輝（東京大学）,高橋 宏知（東京大学）

著者名(英語): Eisuke Suwa (The University of Tokyo),Yuki Takano (The University of Tokyo),Narumitsu Ikeda (The University of Tokyo),Naoki Ishida (The University of Tokyo),Hirokazu Takahashi (The University of Tokyo)

キーワード: エスケープノイズモデル|物理リザバー計算|神経雪崩|自己組織化臨界状態|escape noise model|physical reservoir computing|neuronal avalanche|self-organized criticality

要約(日本語): 神経回路のシナプス結合は自発活動によって変化する。このようなシナプス結合の変化によって、神経回路は自己組織的に臨界状態となり、神経回路の情報処理能力が最大化されると考えられている。神経回路を物理リザバーと見なした場合、リザバーの情報処理能力の指標である情報処理容量を用いて神経回路の情報処理能力を定量化できると考えられる。 本研究において、我々は神経回路のモデルとして自発活動するスパイキングニューラルネットワークを用い、臨界、未臨界、超臨界の異なる3つの状態における情報処理容量を算出し、比較した。