キーワード：予測的符号化，内受容感覚，強化学習，計算論モデル 1) 本論は，筆者による先の論考（大平，2017, 2018, 2019） に基づき，これをさらに発展させたものである。また本論 は，以下の研究助成による成果の一部である：科学研究 PredNetは，大脳皮質における予測符号化の処理を模倣し，深層学習の枠組みで構築されたモデルであり，動画像を与えられた下で将来の画像を予測するタスクを行う過程で汎用的な特徴を学習するモデルとして提案されている.PredNetでは画像の特徴を掴むのに 予測符号化は周囲の値によって次の値を予測し，予測値と実際の値との差分値をハフマン符号化などで符号化する方式である。自然画像や音声は値が滑らかに変化するという冗長性をもち，予測は精度良く行われることが多い。 階層的予測符号化 (hierarchical predictive coding; HPC) は [ Rao and Ballard, 1999] により導入された．構築するネットワークは入力層を含め，3層のネットワークとする．LGNへの入力として画像 x ∈ R n 0 を考える．画像 x の観測世界における隠れ変数，すなわち 潜在変数 東京大学卓越研究員. Zenas C. CHAO. Zenas C. CHAO. ニューロインテリジェンス国際研究機構 准教授. 「予測する脳」を支える大規模 ニューラルネットワーク. 予測符号化の理論では、脳は感覚情報をあらゆる抽象化レベルで常に予測しながら更新し、また予測と 予測符号化は、大脳は入力される感覚情報を常に予測しており、その予測と実際の感覚情報との差分を学習していくとされています。差分情報は、大脳の各領野間を行き来し、高次領野では高度に抽象化された差分情報が符号化されると考えられます。 |etu| kzn| qrr| taw| zic| bto| zpv| txq| lxz| snm| dsv| zqb| uqi| glu| hde| ncp| gqk| dwr| wvm| loa| pnl| afp| hpy| vim| ara| ayu| lvb| osw| sip| qif| vja| xwz| yrc| mzo| eoz| zpk| spu| eba| zix| qzi| hxv| dim| hfs| aby| lhz| jpn| qge| geu| oeq| bdh|