講演名 2008-11-07
ニューラルネットワークや学習データによる神経活動への効果(ニューロハードウェア,一般)
高橋 正明, 夏目 季代久,
PDFダウンロードページ PDFダウンロードページへ
抄録(和) 神経の電気的活動をシミュレートするためには、生理実験データからチャネルコンダクタンスのダイナミクスを推定しなければならない。そのためにはチャネルコンダクタンスの時系列を現す微分方程式を定式化することが必要である。一方、もしそのダイナミクスが自動的に推定されれば、神経活動は容易にシミュレートすることが出来る。時系列を学習できるニューラルネットワーク(NN)を用いれば、微分方程式を定式化せずにチャネルコンダクタンスのダイナミクスを推定することが出来る。ヤリイカの巨大軸索のNa^+とK^+チャネルコンコンダクタンスのダイナミクスを2つの完全相互結合型NNを用いて推定し、そしてその軸索での様々な神経活動を再現することが出来た。それら再現できた活動は活動電位、閾値、不応期、リバウンド活動、そして定常刺激による周期的発火である。従って、NNは神経細胞のチャネルコンダクタンスダイナミクスの推定に有用なツールである。そのようなNNは複数ある。例として時間遅れNN、Elman型NN、完全相互結合型NN等がある。また学習に用いるデータも様々なパターンが考えられる。本研究の目的はNNの違いや学習データの違いによる神経活動に対する影響を調べることである。そして、完全相互結合型ネットワークと滑らかに電位を変化させた学習データが神経活動の再現に有効であることが示唆された。
抄録(英) In order to simulate neuronal electrical activities, we must estimate the dynamics of channel conductances from physiological experimental data. However, this approach requires the formulation of differential equations that express the time course of channel conductance. On the other hand, if the dynamics are automatically estimated neuronal activities can be easily simulated. By using a neural network (NN) which can learn and reproduce the dynamics, it is possible to estimate the dynamics of channel conductances without formulating the differential equations. We estimated the dynamics of the Na^+ and K^+ conductances of a squid giant axon using two different fully connected RNNs and were able to reproduce various neuronal activities of the axon. The reproduced activities were an action potential, a threshold, a refractory phenomenon, a rebound action potential, and periodic action potentials with a constant stimulation. Therefore, An RNN can be a useful tool to estimate the dynamics of the channel conductance of a neuron. There are several such NNs, for example, time-delayed NN, elman type NN, and fully-connected type NN. You can obtain various learning data for the NNs. The purpose is to investigate influences on neuronal activities by NNs and learning data. It was indicated that the fully-connected type NN and learning data in which voltage is changed smoothly are effective for reproducing the neuronal activities.
キーワード(和) ニューラルネットワーク / 学習データ / チャネルコンダクタンスダイナミクス
キーワード(英) Neural network / Learning data / Dynamics of channel conductance
資料番号 NC2008-59
発行日

研究会情報
研究会 NC
開催期間 2008/10/31(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) ニューラルネットワークや学習データによる神経活動への効果(ニューロハードウェア,一般)
サブタイトル(和)
タイトル(英) Effect of Neural Networks and Learning Data to Neuronal Activities
サブタイトル(和)
キーワード(1)(和/英) ニューラルネットワーク / Neural network
キーワード(2)(和/英) 学習データ / Learning data
キーワード(3)(和/英) チャネルコンダクタンスダイナミクス / Dynamics of channel conductance
第 1 著者 氏名(和/英) 高橋 正明 / Masaaki TAKAHASHI
第 1 著者 所属(和/英) 九州工業大学生命体工学研究科
Kyushu Institute of Technology
第 2 著者 氏名(和/英) 夏目 季代久 / Kiyohisa NATSUME
第 2 著者 所属(和/英) 九州工業大学生命体工学研究科
Kyushu Institute of Technology
発表年月日 2008-11-07
資料番号 NC2008-59
巻番号(vol) vol.108
号番号(no) 281
ページ範囲 pp.-
ページ数 6
発行日