[2Yin-B] Poster 4

[2Yin-B-44] Multi-task learning using connectome-based reservoir computing

Honami Nakomoto¹, 〇Makoto Fukushima¹ (1. Hiroshima University)

Keywords:

connectome,reservoir computing,multi-task learning

脳部位をノードとし，脳部位間の白質の構造的結合をエッジとするネットワークであるコネクトームが担う機能を，コネクトームの結合パターンを取り入れたリザバー計算モデルを用いて解明しようとする研究に注目が集まっている．最近では，このコネクトームに基づくリザバー計算モデルが計算機上で実装されたさまざまな神経科学タスクに適用され，コネクトームの結合パターンが各神経科学タスクの学習にどのように寄与するのかを調べる研究も進められている．しかしながら，本モデルはこれまでそれぞれの神経科学タスクに個別に適用されており，この既存の枠組みでは，複数の神経科学タスクを同時に学習する能力にコネクトームの結合パターンがどのように寄与するのかという問いにアプローチすることはできなかった．本研究ではこの問題を解決するため，複数の神経科学タスクに対してコネクトームに基づくリザバー計算を適用できるように既存の枠組みを拡張した．そのもとで，リザバー層内のエッジをコネクトームに基づいて定めた場合において，エッジをランダムにシャッフルした場合よりも，マルチタスク学習性能が高くなるケースが存在することを明らかにした．