要約: Using Deep Learning to Reveal the Neural Code for Images in Primary Visual Cortex
https://arxiv.org/pdf/1706.06208.pdf
この論文では、猿に見せた画像を入力として猿のV1(一次視覚野)のニューロン355個それぞれの発火を予測するようなCNNの学習を試みている。
予測のために用いたモデルは以下:
発火予測実験を通じて以下の結果を得ている:
- 学習されたモデルにより予想されたニューロンの発火率は、実際にニューロンが発火したかどうかと非常に高い相関(r=0.56±0.02)があった。
- 線形モデルを用いた場合に得られる相関はr=0.008±0.003とCNNを用いて予測した場合と比べてかなり低かった。
- 実験で発火を予測する対象とした355個のニューロンのうち、54個はかなり理論値に近い予測精度を発揮するモデルを学習させることができた。
- 方位選択性のあるニューロンはそうでないニューロンに比べCNNによる発火予測の精度が高かった。
さらに、Deep Dream風の手法を用いて各ニューロンを予測する出力変数がどのような画像に反応するかを可視化した結果が以下:
単純なものに反応するようなニューロンもある一方で、抽象的なものに反応するようなニューロンもあるということが予想できるような新たな結果が得られている!