2018年3月14日 CI Seminar Ido Kanter
Time 2018 Mar 14 (Wed) 15:00
Place Ichikawa Bld. 103 in Yoshida campus (市川記念館 103) subject to change

Ido Kanter (Bar Ilan University, Israel)
New Types of Experiments Reveal that a Neuron Functions as Multiple Independent Threshold Units
Abstract:Neurons are the computational elements that compose the brain and their fundamental principles of activity are known for decades. According to the long-lasting computational scheme, each neuron sums the incoming electrical signals via its dendrites and when the membrane potential reaches a certain threshold the neuron typically generates a spike to its axon. We experimentally show that neurons act like independent anisotropic multiplex hubs, which relay and mute incoming signals following their input directions. Theoretically, the observed information routing enriches the computational capabilities of neurons by allowing, for instance, equalization among different information routes in the network, as well as high-frequency transmission of complex time-dependent signals constructed via several parallel routes. Next, we present three types of experiments, using neuronal cultures, indicating that each neuron functions as a collection of independent threshold units. The neuron is anisotropically activated following the origin of the arriving signals to the membrane, via its dendritic trees. The first type of experiments demonstrates that a single neuron’s spike waveform typically varies as a function of the stimulation location. The second type reveals that spatial summation is absent for extracellular stimulations from different directions. The third type indicates that spatial summation and subtraction are not achieved when combining intra- and extra- cellular stimulations, as well as for nonlocal time interference, where the precise timings of the stimulations are irrelevant. Results call to re-examine neuronal functionalities beyond the traditional framework, and the advanced computational capabilities and dynamical properties of such complex systems.

Host Hideaki Shimazaki and Shigeru Shinomoto. This is a joint seminar with Nonlinear Seminar.



2018年2月5日 CI Seminar Sakyasingha Dasgupta
Time 2018 Feb 5 (Mon) 14:00-15:00
Place Ichikawa Bld. 103 in Yoshida campus (市川記念館 103)

Sakyasingha Dasgupta(Ascent Robotics)
Energy-based machine learning for prediction and decision making
Abstract: Energy-based models (EBMLs) form the basis of deep learning, and provides a common theoretical framework for many learning models, including traditional discriminative and generative approaches, as well as graph-transformer networks, conditional random fields, maximum margin Markov networks, and several manifold learning methods. EBMLs capture dependencies by associating a scalar energy (as a measure of compatibility) to each configuration of the variables. Inference, i.e., making a prediction or decision, consists of appropriately setting the values of observed variables from data and finding values of the remaining variables that minimize the energy. Learning in EBMLs consists of finding a minimum energy configuration with the use of a suitable loss function, which is minimized during learning. In the first part of this talk I will focus on a recent brain-plasticity inspired model called dynamic Boltzmann machines (DyBM) that have been shown to give state-of-the-art results for both generative modeling of time-series as well as for supervised prediction in an on-line setting. In the second part I will introduce decision making/reinforcement learning with DyBMs and juxtapose it with other state of the art in energy-based reinforcement learning methods. Some of the work presented here was originally initiated while I was a senior scientist at IBM Research.

Host Hideaki Shimazaki

Seminar photos

2018年1月22日 CI Seminar Manuel Baltieri
Time 2018 Jan 22 (Mon) 13:30-14:30
Place Ichikawa Bld. 103 in Yoshida campus (市川記念館 103)

Manuel Baltieri (Sussex U)
The free energy principle for the study of action and perception.
The free energy principle (FEP) has recently received a lot of attention in neuroscience, biology and cognitive science. At the same time, some of the core ideas expressed by the FEP remain elusive, especially considering the complexity and richness of the treatment offered by Friston et al. in a long list of papers over the last 15 years. Recent tutorials (Bogacz, 2015), technical reviews (Buckley et al., 2017) and agent-based models (Buckley et al., 2017, Baltieri et al. 2017) offer a different presentation style and highlight the potential of the FEP in different fields.

In this talk I will give a general introduction of the free energy principle and its connections to neuroscience, psychology, control theory, information theory, thermodynamics, machine learning, etc. focusing however on its relationship to theories of cognition, action and perception. As an example of some of these ideas, I will refer to a simple agent-based model I recently presented at a conference (Baltieri et al. 2017). I will finally introduce some work in progress, giving a few more examples of what I think are the strengths of the FEP. Throughout the presentation I will also mention areas that I believe are in need of clarification/better explanation, pointing at potential weaknesses of the FEP.

Host Hideaki Shimazaki


2018年1月16日 第6回協調的知能(CI)共同研究セミナー
日時 2018年1月16日(火) 16:30-17:40
場所 総合研究7号館 セミナー室1 (1階 127)

馬場雪乃先生 (京大情)

世話人 島崎秀昭 船越孝太郎


2017年12月19日 第5回協調的知能(CI)共同研究セミナー
日時 2017年12月19日(火) 16:30-18:00
場所 総合研究7号館 セミナー室1 (1階 127)

下西慶先生 (京大情)
対象選択行動時の注視行動モデル ~人が「なぜ見ているのか」を探る~

Eric Nichols(HRI)
Multimodal Natural Language Understanding for Cooperative Intelligence
Cooperative intelligence requires machines to understand and produce language that refers to objects and entities in the real world. In this talk, I will present recent work on named entity recognition in text and grounding textual phrases in images. Our named entity recognition system combines bidirectional LSTMs with character level CNNs and a flexible lexicon matching scheme to achieve competitive results on both newspaper data and Web texts. Our textual phrase grounding system uses a deep learning regression model to directly identify the region referred to by a textual phrase, eliminating the need for external candidate region prediction, and it combines attention models over both words and image regions to achieve a new state-of-the-art in performance on a popular dataset. Finally, I will discuss challenges in developing broader multimodal natural language understanding technology.

世話人 島崎秀昭 船越孝太郎


2017年11月21日 CI Seminar 庄野修先生
日時 2017年11月21日(火) 16:30-18:00
場所 総合研究7号館 セミナー室1 (1階 127)

庄野修先生 (HRI)
大脳基底核の機能と病理 —意思決定とパーキンソン病振動の神経回路機構—
大脳基底核は大脳皮質前頭葉の直下にある構造体であり、大脳皮質と連携して運動の計画・調整・学習において重要な役割を担っている。また、大脳基底核の不全はパーキンソン病やハンチントン舞踏病などの運動障害を伴った疾患として表出する。計算論的には、大脳基底核は強化学習に基づき運動学習を実現していると考えられている。しかし、大脳基底核の機能・機能不全が、どのようにして神経回路網から出現しているのかは未だ不明な点が多い。この問題を解明するための有力なアプローチは、「脳を創る」という方法である。これは脳を数理的に再構成し目標とする機能を数値シミュレーションによって再現することによって、その動作原理に迫るという方法である。これまで我々は、スパイキング神経細胞モデルという、生物での実態に近い神経細胞モデルから構成される神経回路網モデルを用いて、大脳基底核の機能・機能不全の出現機構の解明に取り組んできた。本発表では (1) 正常時の機能である強化学習に必須である試行錯誤を可能とする意思決定機構、および(2)機能不全状態の一つであるパーキンソン病で発生するパーキンソン振動と呼ばれる振動的神経活動の生成機構についての大脳基底核モデルを紹介する。

世話人 島崎秀昭 船越孝太郎


2017年10月17日 第4回協調的知能(CI)共同研究セミナー
日時 2017年10月17日(火) 16:30-18:00
場所 総合研究7号館 セミナー室1 (1階 127)

森 信介(京都大学)

Zhang, Zhaofeng(HRI)
Robust speech signal processing for reverberant environment
In order to achieve cooperative intelligence, human-machine interaction is studied as a technical platform. Speech is considered as a natural way for human-machine interaction. Machine can understand who I am, what I am speaking about by listening our speech. However, due to the issue of environmental noise and reverberation, the performance of these tasks will be significantly degraded in actual scenes. In this seminar, I will focus on solving the reverberation issue by analyzing the effect of reverberation. Survey of reverberation robust methods will be introduced. The applications,and future trends of this field will also be discussed.

世話人 島崎秀昭 船越孝太郎


2017年9月29日 協調的知能(CI)共同研究 ワークショップ2017
日時 2017年9月29日(金) 10時00分~17時40分
場所 総合研究7号館1階 講義室1・3 会議室2


スケジュール (場所)
10:00-12:00 Introduction (Research Bldg No 7, Lecture Rm 1)
10:20-12:00 Lab. talks (Research Bldg No 7, Lecture Rm 1)
12:00-13:00 Lunch (served) (Ichikawa Bldg)
13:30-16:00 Group discussion (Research Bldg No 7, 1F Rooms)
16:20-17:40 General discussion (Research Bldg No 7, Lecture Rm 1)
18:00- Gathering (Ichikawa Bldg)



世話人 島崎秀昭 船越孝太郎


2017年8月28日 玉川大学脳科学ワークショップ


場所 山梨県笛吹市
主催 玉川大学脳科学研究所 私立大学戦略的研究形成支援事業
世話人 酒井 裕 他


  • 2017年8月25日 日本神経回路学会 時限研究会を開催しました.
    場所 京都大学 国際科学イノベーション棟5階
    主催 日本神経回路学会
    世話人 島崎秀昭(京大情・HRI) 大羽成征(京大情) 吉田正俊(生理研)



2017年8月4日 協調的知能(CI)共同研究講座 開設記念シンポジウム
日時 2017年8月4日(金) 午後1時~5時20分
場所 芝蘭会館 稲盛ホール

スケジュール・参加登録は こちらのページ をご覧ください.
世話人 島崎秀昭 船越孝太郎


2017年7月25日 第3回協調的知能(CI)共同研究セミナー
日時 2017年7月25日(火) 13:00-14:30
場所 総合研究7号館1階セミナー室1

市瀬夏洋先生 (京大情)

Brock Heike先生(HRI)
How cooperative intelligence could shape the future of exercising
With the low cost and broad availability of motion sensing devices, it became possible to collect large amounts of human motion data without great effort. Ubiquitous display of the performed motion such as provided by fitness trackers motivated many people to exercise and conduct a healthier lifestyle over the last years. However to date, such feedback relies largely on straight-forward presentation of the collected data. The inclusion of advanced data mining methods and neural networks can provide additional expert knowledge on performed motor actions. In this talk, I will discuss three information retrieval scenarios from rehabilitation and competitive sports that illustrate how the inclusion of artificial intelligences can influence the style of exercising, leading to cooperative intelligences that might change the way we practice and learn sports in future.

世話人 島崎秀昭 船越孝太郎


2017年6月20日 第2回協調的知能(CI)共同研究セミナー
日時 2017年6月20日(火) 13:00-14:30
場所 京都大学吉田キャンパス 総合研究7号館1階セミナー室1 (前回と場所が変わります)

中野 幹生先生 (HRI-JP)

間島 慶先生(京都大学)
予測対象の性質に合わせた脳情報デコーディング ~ 順序データ・位置情報を対象として ~
fMRIや細胞外電位記録により計測された脳活動の信号からそれにコードされている情報を読み出す技術、脳情報デコーディングの研究を行っている。今回はそのコアとなる情報の読み出しに用いられる機械学習の手法に焦点をあて、講演者が近年進めている研究を紹介する。高次元・少数サンプルを扱うことの多い脳情報デコーディングでは、線形回帰モデル、線形判別器が予測手法として用いられることが多い。しかし、単純な線形回帰・線形判別で常に十分な結果が得られるとは限らない。本講演では線形回帰・線形判別を用いると精度が低下してしまう、適切な情報量の評価ができない、という困難が生じる2つの事例、「順序データのデコーディング」、「位置情報のデコーディング」の研究を取り上げ、 それぞれに対するアプローチを紹介する。最後に、クラウドソーシングによって多数の人から得られた「協調的知識」を脳情報デコーディングと組み合わせていく方法について、今後の展望を議論したい。

世話人 島崎秀昭 船越孝太郎


2017年5月17日 第1回協調的知能(CI)共同研究セミナー
日時 2017年5月17日 13:00-14:30
場所 総合研究9号館北棟 2F セミナー室

河原 大輔先生(京都大学)
言語知識の獲得とそれに基づく言語理解 ~協調的知能の実現に向けて~

小野 晋太郎先生 (HRI-JP, 東京大学)
実世界の情報をコンピュータに取り込んで仮想化空間を構築し、社会に応用する -- これが本講演の究極のテーマです。既に様々な分野で先行例がありますが、ここでは主に移動型センサ、特に車載カメラを用いて、都市空間を対象に、シーンの形状把握、理解、情報抽出、他系列データとの相互補間を行い、可視化する技術などを紹介します。さらに、これらの技術を運転シミュレーションや情報提供システムなど、モビリティ社会の高度化(広義のITS)に活用することを目指します。

世話人 島崎秀昭 船越孝太郎

  • 2017年4月27日 共同研究講座のプレスリリースを行いました.リンク
  • 2017年4月1日 共同研究講座がスタートしました.
  • 2017年3月21日 船越が京都大学学術情報メディアセンターセミナーで講演しました. リンク
  • 2017年3月4日 島崎が脳科学若手の会で合宿講師を務めました. リンク