[1Win4] Poster session 1

[1Win4-03] The performance of connectome-based reservoir computing when applied to neuroscience tasks

Atsuko Takahashi¹, Ling Zhu², 〇Makoto Fukushima¹ (1.Hiroshima University, 2.East China Normal University)

Keywords:Reservoir Computing, Connectome, Neuroscience

脳領野をノードとし，脳領野間の白質構造結合をエッジとするネットワーク（コネクトーム）がもつ機能を，リザバー計算の方法論を用いて明らかにしようとする研究が進められている．これらの研究では，脳構造結合の配線パターンに基づいて人工神経回路網の中間層（リザバー層）のノードが接続されたモデルが用いられ，本モデルの機械学習タスクに対する性能を評価することを通して，コネクトームがもつ機能を理解しようとする試みがなされてきた．近年では，神経科学分野の研究で用いられるタスクが計算機上で実装され，これらのタスクに対するリザバー計算モデルの性能を評価するためのツールボックスも公開されている．本研究では，これらのツールを用いてコネクトームに基づくリザバー計算モデルを4種類の神経科学タスクに適用し，このときの性能をコネクトームのエッジをランダムにつなぎかえたときの性能と比較した．その結果，エッジのランダマイズ前後で性能が変化することを示し，特に4種類中3種類のタスクでは，元のコネクトームを用いたときの方が，リザバー層内の重み行列のスペクトル半径の増大により生じうる性能低下の度合いが抑えられることを明らかにした．