Population Codingの 最近の話題から

Slides:



Advertisements
Similar presentations
Maxent model への挑戦 - 驚きとドキドキ感の理論 - 大野ゆかり Phillips et al. (2006) Maximum entropy modeling of species geographic distributions. Ecological Modeling 190:
Advertisements

土木計画学 第3回:10月19日 調査データの統計処理と分析2 担当:榊原 弘之. 標本調査において,母集団の平均や分散などを直接知ることは できない. 母集団の平均値(母平均) 母集団の分散(母分散) 母集団中のある値の比率(母比率) p Sample 標本平均 標本分散(不偏分散) 標本中の比率.
Qualitative Response Model. 被説明変数がダミー変数の回帰 例) MROZ.RAW 女性労働 –inlf 女性が外で働いていれば 1 ,そうでなけれ ば 0 –inlf=f( 家計所得,教育年数,年齢,子育て費 用) 推定方法 – 線型確率モデル (linear probability.
Senderreceiver signals 符号化とは? A! B! C!. Encoded signals 符号化とは? 情報源 受容者 符号化された信号 coding rule.
第1回 確率変数、確率分布 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
一般化線形モデル(GLM) generalized linear Models
因子分析,共分散構造分析 Factor Analysis Structural Equations Model
多次元楕円の正球化座標変換を利用した分割表検定のパーミュテーションテスト効率改善について
非侵襲脳活動計測(fMRI)と(MEG)情報統合とその応用
確率と統計 平成23年12月8日 (徐々に統計へ戻ります).
第6回 分散分析(第7章) Analysis of Variance
Rによる回帰分析 高崎経済大学 宮田 庸一.
1.基礎概念 1.1 ディペンダブルなシステムとは Dependability Fault Avoidance
Spectroscopic Study of Neutron Shell Closures via Nucleon Transfer in the Near-Dripline Nucleus 23O Phys. Rev. Lett. 98, (2007) Z.Elekes et al.
Additional Explanatory Figures for
学校教育と脳科学 討論 寺尾 敦 青山学院大学社会情報学部.
銅谷賢治 ATR 人間情報科学研究所 科学技術振興事業団 CREST
疫学概論 母集団と標本集団 Lesson 10. 標本抽出 §A. 母集団と標本集団 S.Harano,MD,PhD,MPH.
RIKEN software meeting
大数の法則 平均 m の母集団から n 個のデータ xi をサンプリングする n 個のデータの平均 <x>
TextonBoost:Joint Appearance, Shape and Context Modeling for Multi-Class Object Recognition and Segmentation 伊原有仁.
「データ学習アルゴリズム」 第2章 学習と統計的推測 報告者 佐々木 稔 2003年5月21日 2.1 データと学習
テキストの類似度計算
先端論文紹介ゼミ 09/10/20 B4 石川 智昭.
ベイズ基準によるHSMM音声合成の評価 ◎橋本佳,南角吉彦,徳田恵一 (名工大).
高次元データにおける幾つかの検定統計量の漸近分布について
非侵襲脳活動計測(fMRI)と(MEG)情報統合とその応用
母集団と標本:基本概念 母集団パラメーターと標本統計量 標本比率の標本分布
パターン認識とニューラルネットワーク 栗田多喜夫 2018/11/8 早稲田大学大学院理工学研究科講義.
銀河物理学特論 I: 講義1-1:近傍宇宙の銀河の 統計的性質 Kauffmann et al
前回のまとめ Lagrangian を決める基準 対称性 局所性 簡単な形 変換 (Aq)I =D(A)IJ qJ 表現
芝野耕司 ISO/IEC JTC1/SC2 (Coded Character Sets)委員長 東京外国語大学
P-Valueについて.
7. 音声の認識:高度な音響モデル 7.1 実際の音響モデル 7.2 識別的学習 7.3 深層学習.
Statistical Physics and Singularity Theory
脳活動をモニターできる functional MRI とは何か?
正規分布における ベーテ近似の解析解と数値解 東京工業大学総合理工学研究科 知能システム科学専攻 渡辺研究室    西山 悠, 渡辺澄夫.
第5回 回帰モデル Regression Analysis
東京海洋大産学官連携研究員/技術コンサルタント 高須 知二 Tomoji TAKASU
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
混合ガウスモデルによる回帰分析および 逆解析 Gaussian Mixture Regression GMR
法数学勉強会 2018/07/21 京大(医) 統計遺伝学分野 山田亮
顧客維持に関するモデル.
確率的情報処理と確率伝搬法によるアルゴリズム設計の数理構造
複数の相関のある情報源に対するベイズ符号化について
大規模なこと Large scale.
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
Extractor D3 川原 純.
Data Clustering: A Review
分子生物情報学(3) 確率モデル(隠れマルコフモデル)に 基づく配列解析
統計解析 第1回 条件付き独立性と確率的グラフィカルモデル 本講義の全体像
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
「データ学習アルゴリズム」 第3章 複雑な学習モデル 報告者 佐々木 稔 2003年6月25日 3.1 関数近似モデル
法数学のための 機械学習の基礎 京大(医) 統計遺伝学分野 山田 亮 2017/04/15.
ベイズ最適化 Bayesian Optimization BO
確率的画像処理アルゴリズム入門 東北大学 大学院情報科学研究科 田中 和之
東北大 情報科学 田中和之,吉池紀子 山口大 工 庄野逸 理化学研究所 岡田真人
ビームラインイオン光学 Yoshiko Sasamoto Goal : 最高分解能を実現 そのためには、現状の認識.
久野研二 国際協力機構:国際協力専門員(社会保障)
時間連続性を考慮した 動画からの人物の姿勢推定
物理フラクチュオマティクス論 応用確率過程論 (2006年4月11日)
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
音響伝達特性モデルを用いた シングルチャネル音源位置推定の検討 2-P-34 高島遼一,住田雄司,滝口哲也,有木康雄 (神戸大) 研究の背景
荘島宏二郎 大学入試センター研究開発部 Asymmetric von Mises Scaling 荘島宏二郎 大学入試センター研究開発部
音響伝達特性を用いた単一チャネル 音源位置推定における特徴量選択の検討
東北大学 大学院情報科学研究科 応用情報科学専攻 田中 和之(Kazuyuki Tanaka)
自己縮小画像と混合ガウス分布モデルを用いた超解像
【GeoAFM】 Rhodopsin のAFM 像
ガウシアングラフィカルモデルにおける一般化された確率伝搬法
混合ガウスモデル Gaussian Mixture Model GMM
Presentation transcript:

Population Codingの 最近の話題から 2018/12/3 Population Codingの 最近の話題から 銅谷賢治 doya@atr.co.jp ATR 人間情報科学研究所 科学技術振興事業団 CREST

あらすじ 古典的population coding仮説 Population vector 確率的population coding仮説 Bayes/最尤推定 不確定性の表現 複数入力の統合

Population Vectors (Georgopoulos) 1次運動野ニューロンの運動方向選択性 cosine tuning fi(m) = bi + ai cos( qm-qi) preferred direction qi は一様に分布 Population vector v(m) = Si fi(m) vi simplicity and robustness.

Probabilistic Population Codes (Zemel, Dayan, Pouget 1998) Encoding: underlying quantity x noisy response: P[r|x] Decoding Bayesian: P[x|r]  P[r|x] P[x] Standard Poisson model encode single value of x P[ri|x] = e-fi(x) (fi(x))ri/ri! P[x|r] = P[x] Pi e-fi(x) (fi(x))ri/ri!

Extended Poisson Model Encode the probability distribution P[x|w] uncertainty, multiple values <ri> = x P[x|w] fi(x) dx Decoding for histogram representation <ri> = Sj fj fij logP[{fj}|{ri}] = K + logP[{fj}] + Si ri log[Sj fj fij]

Roles of the Cerebral Cortex Representations for good generalization modality, invariance, resolution,... task oriented context and working memory Combining multiple outputs reasons for for poplulation coding?

Population Coding (Deneve et al., 2001) Function approximation and Cue Integration

おわりに 情報の表現から処理へ Poisson的な発火の積極的な意味付けは?