論文「多値ベイジアン学習による古典的・非古典的受容野のモデル」


細谷さんのジャーナル論文が出ています。
V1,V2のいろいろな現象をベイジアンネットで再現するというものです。

Haruo Hosoya,
Multinomial Bayesian Learning for Modeling Classical
and Nonclassical Receptive Field Properties,
Neural Computation,Vol. 24, No. 8, Pages 2119-2150, 2012.
http://www.mitpressjournals.org/doi/abs/10.1162/NECO_a_00310

説得力のある論文だと思います。
大脳皮質ベイジアンネットモデルの有力な証拠として、
今後広く引用されることを願っております。


個人的にはV1の条件付確率表のモデル(式 (2.3))が
特に目からウロコでした。
センサーのアナログ値と大脳皮質とをつなぐところをどうモデル化すべきか
ずっと悩んでいたのですが、
この式によって合理的にモデル化されていると思います。
(基底画像の線形和の画像のピクセルごとに独立なガウスノイズがのる
という生成モデル、と私は解釈しました。)


(ちなみに、これと同じ条件付確率表のモデルを使って
2層BESOMで自然画像を学習してみると、
定性的にはV1単純型細胞と同じような基底画像が得られました。
詳しくはそのうち。)

コメント

コメントの投稿

トラックバック


この記事にトラックバックする(FC2ブログユーザー)