講演題目『Recurrent infomaxによって最適化した再帰型ニューラルネットワークの情報処理特性』
講演者：岩出 尚
所属：京大情報
日時：平成28年11月28日（月）16時30分～18時00分
会場：京都大学吉田キャンパス　総合研究12号館003講義室（地階）
http://www.kyoto-u.ac.jp/ja/access/campus/yoshida/map6r_y/　の54の建物

概要：
近年，ランダム結合によって構成される再帰型ニューラルネットワークのダイナミクスを利用して情報処理を行う reservoir computing [1,2] が注目を集めている．
本研究では，再帰型ニューラルネットワークに対して，recurrent infomax（RI）[3] と呼ばれる教師無し学習を適用し，reservoir computing の枠組みで用いられるベンチマークタスクにより計算能力の変化を調べた．本発表では，RI によって得られる再帰型ニューラルネットワークの情報処理の性質および構造の特徴について述べる．

[1] W. Maass, T. Natschläger, and H. Markram, Neural computation 14, 2531 (2002).
[2] H. Jaeger and H. Haas, science 304, 78 (2004).
[3] T. Tanaka, T. Kaneko, and T. Aoyagi, Neural computation 21, 1038 (2009).