| 講演名 | 2001/5/18 変分法的ベイズ推定を用いた相互情報量の推定 古川 哲也, 佐藤 雅昭, 銅谷 賢治, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 神経細胞の物理刺激や他の細胞からの入力に対する応答を定量化する際に, 相互情報量がよく用いられる. 観測データから相互情報量を求めるためには, 入出力の同時確率分布を求めることが必要となる. そのため各変数を適宜離散化したヒストグラムにより分布を近似する手法が良これまで主に用いられて来た. しかしこの手法は, 離散化の幅により結果が左右され, 特にデータ数が限られている場合に推定誤差が大きいという問題を持つ. そこで本研究は, 観測データの離散化によらず同時分布の推定を行う方法を定式化する. 具体的には, 混合正規分布モデルのパラメタとモデルの自由度を, 変分ベイズ法により推定する。この方式が従来法よりも良い性質を示すことを, まず単純なポアソンスパイクモデルにより示し, さらに, 現実的なデータ解析への適用の可能性を, 電気シナプス結合を持つ下オリーブ核の細胞モデルの解析に適用し検討する. |
| 抄録(英) | Mutual Information is often used to quantify the response property of a neuron to sensory or neural inputs. To calculate mutual information from experimental data, it is necessary to estimate the joint probability density of the input and the output. A common method is to make a histogram of data samples by discretizing them into appropriate bins. However, the result is highly dependent on the choice of bin size and is subject to approximation error, especially when the number of data is limited. We propose an alternative method in which the input-output joint density is estimated without discretization. Specifically, we use the variational Bayes method for estimating the parameters as well as the complexity of mixture Gaussian models. A better performance compared to conventional methods is verified through a numerical experiment with a simple Poisson neuron model. Its applicability to realistic problems is demonstrated in the experiment with electrically-coupled inferior olive neuron models. |
| キーワード(和) | 相互情報量 / 変分法的ベイズ推定 / モデル選択 / 混合正規分布モデル |
| キーワード(英) | mutual information / variational Bayes method / model selection / mixture Gaussian model |
| 資料番号 | NC2001-4 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2001/5/18(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Neurocomputing (NC) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 変分法的ベイズ推定を用いた相互情報量の推定 |
| サブタイトル（和） | |
| タイトル（英） | Mutual Information Analysis of Neural Codes through Joint Density Estimation by the Variational Bayes Method |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 相互情報量 / mutual information |
| キーワード(2)（和/英） | 変分法的ベイズ推定 / variational Bayes method |
| キーワード(3)（和/英） | モデル選択 / model selection |
| キーワード(4)（和/英） | 混合正規分布モデル / mixture Gaussian model |
| 第 1 著者 氏名（和/英） | 古川 哲也 / Tetsuya Furukawa |
| 第 1 著者 所属（和/英） | 奈良先端科学技術大学院大学:ATR先端情報科学研究部:科学技術振興事業団CREST Nara Institute of Science and Technology:Information Science Division, ATR International:CREST, Japan Science and Technology Corporation |
| 第 2 著者 氏名（和/英） | 佐藤 雅昭 / Masaaki Sato |
| 第 2 著者 所属（和/英） | ATR先端情報科学研究部:科学技術振興事業団CREST Information Science Division, ATR International:CREST, Japan Science and Technology Corporation |
| 第 3 著者 氏名（和/英） | 銅谷 賢治 / Kenji Doya |
| 第 3 著者 所属（和/英） | 奈良先端科学技術大学院大学:ATR先端情報科学研究部:科学技術振興事業団CREST Nara Institute of Science and Technology:Information Science Division, ATR International:CREST, Japan Science and Technology Corporation |
| 発表年月日 | 2001/5/18 |
| 資料番号 | NC2001-4 |
| 巻番号（vol） | vol.101 |
| 号番号（no） | 94 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |