| 講演名 | 2015-11-10 分割型ベイズ法によるスパイク信号からの係数推定 徳田 功(立命館大), ホアン フー(立命館大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 実験において計測不可能なパラメータを、多電極計測によって記録されたスパイクデータ等から逆推定する方法について紹介する。データの非定常性やモデルと実験系の複雑性の乖離の問題を克服するため、スパイクデータを短時間間隔のセグメントに分割し、セグメントごとに、パラメータ推定を行った。ただし、セグメントごとに見られるパラメータ値の揺らぎは、各神経細胞固有の値周辺に分布するという拘束条件を置き、ベイズ推定の枠組みを用いた。このような分割型ベイズ法を実験データに対して適用したところ、通常のベイズ推定法や、最小二乗誤差法などの従来法を上回る結果が得られた。分析結果から、特にデータが非定常性を有している場合に、提案法は有効で、頑健な性質を示すことが分った。これらの結果より、分割型ベイズ法は複雑な動的特性を示す脳神経系のスパイク時系列から、モデルパラメータを推定する手法として、有力な方法論を与えるものと結論した。本研究は山下宙人博士、佐藤雅昭博士、外山敬介博士、川人光男博士との共同研究に基づくものである。 |
| 抄録(英) | Multi-electrode recording is now a common technique to simultaneously collect neuronal spike data of a population of the neurons in a brain region, and thus allows exploring various underlying functions of the brain. Computational modeling usually emerges when the parameters of interest cannot be directly measured by the experiments. However, the inverse problem of estimating parameters from spike trains is severely ill-posed due to the huge mismatch in the system complexity between the brain and the model, and thus needs a stochastic approach to find most likely solutions among many possible ones. Since the brain typically exhibits complicated dynamics that is difficult for the model to reproduce, the modeling errors are inevitable. In the present thesis, we introduce a novel methodology based on the Bayesian inference framework to overcome that challenging issue. The experimental spike data is fractioned into short time segments and the model parameters are estimated segment by segment in the constraint that the segmental estimates are fluctuated around the neuronal estimates. By relaxing the parameter search, the segmental Bayes has been hypothesized to compensate the modeling errors and thus improve the estimation accuracy. The performance evaluation on experimental data indicated that the segmental Bayes outperforms the conventional Bayes and the minimum error method by minimizing the fitting errors in the feature space. It also had a strong robustness against non-stationarity of the spike data. This work has been collaboration with Dr. Okito Yamashita, Dr. Masa-aki Sato, Dr. Mitsuo Kawato, and Dr. Keisuke Toyama. |
| キーワード(和) | 多電極計測 / ベイズ推定 / パラメータ推定 / セグメント分割 |
| キーワード(英) | Multi-electrode recording / Bayesian Estimation / Parameter Estimation / Segmentation |
| 資料番号 | CCS2015-63 |
| 発行日 | 2015-11-02 (CCS) |
| 研究会情報 | |
| 研究会 | CCS |
|---|---|
| 開催期間 | 2015/11/9(から2日開催) |
| 開催地（和） | 京都大学稲盛財団記念館３階大会議室（鴨川沿） |
| 開催地（英） | Inamori Foundation Memorial Building, Kyoto Univ. |
| テーマ（和） | 相互作用（インタラクション）と情報伝達（コミュニケーション），及び一般 |
| テーマ（英） | Interaction and Communication, etc. |
| 委員長氏名（和） | 関屋 大雄(千葉大) |
| 委員長氏名（英） | Hiroo Sekiya(Chiba Univ.) |
| 副委員長氏名（和） | 坪 泰宏(立命館大) / 若宮 直紀(阪大) |
| 副委員長氏名（英） | Yasuhiro Tsubo(Ritsumeikan Univ.) / Naoki Wakamiya(Osaka Univ.) |
| 幹事氏名（和） | 荒井 伸太郎(香川高専) / 鳥飼 弘幸(京都産大) |
| 幹事氏名（英） | Shintaro Arai(Kagawa National College of Tech.) / Hiroyuki Torikai(Kyoto Sangyo Univ.) |
| 幹事補佐氏名（和） | 木村 貴幸(日本工大) / Song-Ju Kim(物質・材料研究機構) / 高橋 亮(京大) / 寺前 順之介(阪大) |
| 幹事補佐氏名（英） | Takayuki Kimura(Nippon Inst. of Tech.) / Song-Ju Kim(NIMS) / Ryo Takahashi(Kyoto Univ.) / Junnosuke Teramae(Osaka Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Complex Communication Sciences |
|---|---|
| 本文の言語 | ENG-JTITLE |
| タイトル（和） | 分割型ベイズ法によるスパイク信号からの係数推定 |
| サブタイトル（和） | |
| タイトル（英） | Segmental Bayesian estimation of neuronal parameters from spike trains |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 多電極計測 / Multi-electrode recording |
| キーワード(2)（和/英） | ベイズ推定 / Bayesian Estimation |
| キーワード(3)（和/英） | パラメータ推定 / Parameter Estimation |
| キーワード(4)（和/英） | セグメント分割 / Segmentation |
| 第 1 著者 氏名（和/英） | 徳田 功 / Isao Tokuda |
| 第 1 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univ.) |
| 第 2 著者 氏名（和/英） | ホアン フー / Huu Hoang |
| 第 2 著者 所属（和/英） | 立命館大学(略称：立命館大) Ritsumeikan University(略称：Ritsumeikan Univ.) |
| 発表年月日 | 2015-11-10 |
| 資料番号 | CCS2015-63 |
| 巻番号（vol） | vol.115 |
| 号番号（no） | CCS-300 |
| ページ範囲 | pp.99-102(CCS), |
| ページ数 | 4 |
| 発行日 | 2015-11-02 (CCS) |