17. 2016/8/25 IEICE SIP研究会
IT野細胞の回転に関する反応特性
Target の回転に関する神経発火頻度(PSTH)
19
V1
V2
V4
PITCIT
Ventral Pathway
AIT
TEO
TE
V1
V4
V2
IT
Small receptive field
Edge, Line segment
detector
Large receptive field
Face, Complex feature
detector
?
?
26. 2016/8/25 IEICE SIP研究会
蛇足: AlphaGo の構造(推測)
ARTICLE doi:10.1038/nature169
Mastering the game of Go with deep
neural networks and tree search
David Silver1
*, Aja Huang1
*, Chris J. Maddison1
, Arthur Guez1
, Laurent Sifre1
, George van den Driessche1
,
Julian Schrittwieser1
, Ioannis Antonoglou1
, Veda Panneershelvam1
, Marc Lanctot1
, Sander Dieleman1
, Dominik Grewe1
,
John Nham2
, Nal Kalchbrenner1
, Ilya Sutskever2
, Timothy Lillicrap1
, Madeleine Leach1
, Koray Kavukcuoglu1
,
Thore Graepel1
& Demis Hassabis1
b
p (a⎪s) (s′)
Policy network Value network
s s′
Alpha Goの2種類のNN
局所的な受容野を
階層を経て徐々に統合
35. 2016/8/25 IEICE SIP研究会
小規模 DB で DCNN を学習させるには?
37
fc6 loss
(categorical units)
pool1 pool2
Train with Back Prop.
Natural Images for
feature representation
“bicycle”
Teacher
仮定したこと:
画像は何らかの共通構造を持っていて,DCNN はその構造を表現できそう
(ヒトの幼年期で自然画像で学習することのは自然)
自然画像はDLDパターンの構造表現に役立つかも
36. 2016/8/25 IEICE SIP研究会
小規模 DB で DCNN を学習させるには?
38
fc6 loss
(categorical units)
pool1 pool2
Train with Back Prop.
DLD ROIs for
feature representation
“Honeycomb”
Teacher
仮定したこと:
画像は何らかの共通構造を持っていて,DCNN はその構造を表現できそう
自然画像はDLDパターンの構造表現に役立つかも
(特殊な画像は大人になってから学習)
識別器部分を交換
37. 2016/8/25 IEICE SIP研究会
小規模 DB での DCNN 識別精度の比較
仮定したこと:
画像情報は共通構造を持っていて,DCNN はその構造を表現できそう
自然画像はDLDパターンの構造表現に役立つかも
識別評価
Leave-one-person out (LOPOCV)法 (leave one out 法はバイアスが乗る)
識別器は,ロジスティック回帰,ヒンジロス回帰,MLPで比較.
1対1識別による多クラス分類
39
LOPOCV Score Log. Reg. Hindge MLP
DLD only 74.0% 76.7% 74.1%
Proposed
Nat.Img + DLD
81.8% 81.6% 80.0%
38. 2016/8/25 IEICE SIP研究会
中間層の表現で何がおこっているのか?
Manifold with raw data
class “dog”
class “horse”
Manifold with low level feature
class “horse”
class “dog”
Manifold with high level feature
class “dog”
class “horse”
Convolutions
Subsampling
Convolutions
Subsampling