スパイク列から連続時系列への変換を用いた入力情報の再構成

摘要

ニューロンから生成されるスパイク列は，ニューロンに対する入力時系列の情報を符号化したものである．本稿では，ハニング窓によるフィルタリングを用いてスパイク列を瞬時平均発火率を表す連続時系列に変換する手法を導入することで，ニューロンに対する入力情報の再構成を試みる．入力時系列として正弦波時系列，ラングフォード方程式の準周期時系列，ローレンツ方程式のカオス時系列，日本語母音「あ」の発音時系列を用いて，これらの入力時系列とスパイク列からの再構成時系列の比較実験を行った．その結果，入力時系列と再構成時系列の間に強い相関が見られた．%Neurons code input information and generate spike trains. The generated spike trains reflect the input information. In this report, we use the Hanning window to transform the spike trains to a continuous instantaneous firing-frequency time series. Then, we reconstruct hidden input information through this transformation. In the numerical simulations, we use periodic time series (sinusoidal wave), quasi-periodic time series generated from the Langford equations, and chaotic time series generated from the Lorenz equations. In addition, we use a real time series of a Japanese vowel /a/. Using the cross-correlation coefficient, we compare reconstructed time series with input time series. As a result, we find that strong correlation exists between the input time series and its reconstructed time series.