脳型情報処理の研究

リカレント(recurrent)・ニューラル・ネットワーク（以下リカレント・ネット）は，回帰結合をもつニューラル・ネットワークである．リカレント・ネットは，その回帰結合によって有限状態機械と同様に「状態」を表すことができるため，同じく有限状態機械と同様に時系列処理が可能である．思考や言語といった人間の高次情報処理も時系列処理であるから，リカレント・ネットによる時系列処理は，こういった人間の高次情報処理の解明に大きな糸口を与えるものと期待されている．

さて，人間の脳には，短期記憶と長期記憶にそれぞれ別の仕組みがあることが知られている．このことを反映して，プロダクション・システムも，ワーキング・メモリと手続き記憶という2つの仕組みを与えられている．そこで我々は，リカレント・ネットにも短期と長期という2つの記憶の仕組みを与えられないかと考え考え，種々の課題を学習したリカレン・ネットの分析から，そうした仕組みを探っている．

2003年度

三輪忍他, リカレントネットにおける移動ロボットのナビゲーション課題の学習, 平成15年度情報処理学会関西支部支部大会(学生奨励賞受賞).

2002年度

津田晃寿他, 学習による非同期連続状態機械の構成, SWoPP2002.

2001年度

三輪忍他, コンダクタンスニューラルネットによるGSMの構成, SWoPP2001.

津田晃寿他, コンダクタンスニューロンモデルを用いた順序回路の実現, SWoPP2001.

1999年度

津邑公暁他, 記憶構造観測のための神経網シミュレーション, 第20回計測自動制御学会システム工学部研究会「人工生命の新しい潮流」.

最終更新日時:

brain@lab3.kuis.kyoto-u.ac.jp