ヘブ則による遷移確率の学習: 神経回路モデルの研究

摘要

環境の状態は時々刻々と変化するものであり，ヒトゃ動物は経験を通して現在の状態から将来の状態を予測する.近年の脳機能ィメ一ジングの研究によって,ある状態から別の状態への遷移確率が脳内で符号化されているこ とが示唆されている.しかしながら,そのような遷移確率がどのように学習されているかは分かっていない.我々はへブ則に基づいたシナプス学習則によって，神経回路モデルが状態遷移確率を学習し，将来の状態を予測することを解析計算と数値シミュレーションを用いて示す.ランダムドット刺激での方向弁別課題を模したシミュレーションにおいては,我々のモデルニューロンはサルの外側頭頂間野のニューロン活動と同様の活動を示すことが分かった.また，生体内で実装されていると想定されている適格度トレースを学習則に導入することは,学習と予測に有用な影響を与えることを示した.%State of the environment changes on and on, and humans animals predict future state through their experiences. Recent brain imaging study suggested that the transition probabilities between two states are encoded in the brain. However, it is controversial how neural networks of the brain learn the transition probabilities. We propose a Hebbian learning algorithm and show a neural network model can learn the transition probabilities by this learning. Our model neuron shows similar activity to those of observed in monkey LIP neurons in random dots motion discrimination tasks. We also show that the eligibility trace which is supposed to be implemented in the brain gives our network extra positive effects.