動的ボルツマンマシン

恐神貴行（IBM東京基礎研究所）

タイトル：

概要：ボルツマンマシン等の従来の人工ニューラルネットワークはヘブ則に基づい
て学習するが、近年の生物実験においてはヘブ則をより精緻にするスパイク時間依
存可塑性（STDP）が神経細胞の学習則として確認されている。ところが、STDPの人
工ニューラルネットワークへの工学的な応用はあまり進んでいない。本講演で
は、STDPに対する理論的な基礎付けを与えるために、各時点に対応する層をもつボ
ルツマンマシンを考え、層数無限の極限として動的ボルツマンマシンを導出す
る。特に、所与の時系列データの尤度最大化という目的関数から導出される動的ボ
ルツマンマシンの学習則が、STDPの特徴を有することを示す。また、時系列予測や
強化学習などへの応用についても紹介する。本発表はJST, CRESTプロジェクトの成
果に基づく。