リカレント情報量最大化素子の特性にばらつきのある場合

摘要

"Recurrent Infomax" (RI) is a learning algorithm based on the process of maximizing information retention and thereby minimizing information loss through time in a recurrent networks of central nervous systems. This principle provides a simple framework to explain a wide range of neuronal phenomena, such as cell assemblies, neuronal avalanches, and simple cell-like selectivity. In this study, we consider a network consisting of both excitatory and inhibitory neurons and examined how the behavior of the recurrent network depends on the change in the mean firing rate and reliability of neurons, particularly concerning the behavior of the mutual information during learning.%近年の実験技術の発達により，ニューロンの自発発火は無秩序に起こるのではなく，ある決まった秩序のもとで発火していることが明らかになってきた．例えば，ニューロン集団の自発発火活動を観察すると，神経雪崩と呼ばれる集団での同期発火や，発火パターンの繰り返し（cell assembly）が見られることが報告されている．これらの現象を統一的に説明する原理としてリカレント情報量最大化が提案されている．本研究ではこの結果を拡張し．ニューロンを興奮性と抑制性に分け，結合強度の総和を固定し，さらにニューロンの発火率，信頼性などの特性量に個性を持たせた場合，ネットワークにどのような影響が生ずるかについて特に相互情報量の観点から考察した．