非線形システムの逆モデルを用いたオンライン学習制御理論に基づく脳の運動制御の研究

基于非线性系统逆模型在线学习控制理论的脑运动控制研究

基本信息

批准号：
02J07968
负责人：
宮村亜位子
金额：
$ 1.28万
依托单位：
The University of Tokyo
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2002
资助国家：
日本
起止时间：
2002 至 2003
项目状态：
已结题

项目摘要

脳機能を複雑かつ巨大な非線形ダイナミカルシステムと捕らえ、システム論的観点から脳の計算理論における安定性や妥当性を解析することを研究の主目的と位置づけて研究を遂行した。まずは脳の中でも特に運動制御機能を担っていると考えられている小脳に注目した。生理学の知見から小脳は階層的かつ機能分化しているという構造的特徴を持つことが示唆されており、との事実は計算理論においても同様な構造、つまり階層性や分散性を持つと推測され、このような立場から小脳の運動制御モデルとして「分散的運動制御アルゴリズム"Decentralized Motor Control"」を提案し,この結果を国際会議(International Joint Conference on Neural Networks 2003)で口頭発表した。また、上記の研究と並行して関数微分方程式の安定性解析及び構造的可同定性に関する研究も行った。具体的には脳や遺伝子ネットワークなどの生物システムに不可避な時間遅れ要素をもつような非線形ネットワークシステムに対して、不確かさ要素が存在した場合のロバスト安定性、確率的要素や連続的な時間遅れが存在した場合の安定性を効率的に解析する手法を提案した。時間遅れを持つシステムは無限次元システムと同様の複雑なダイナミクスをもち、また実システムを数理モデル化した際に不確かさや確立的要素が常に内在するためその安定性を計算機で効率的に知ることは重要かつ最も基礎となるものである。一方で元のシステムは観測可能な入力-状態データから同定することが可能であるかを議論する可同定性問題や更にはグラフ理論を用いてグラフの構造としてシステムが構造的可同定性であるための条件を示した。遺伝子ネットワークの構造推定は遺伝子工学の中心的研究であるが、今までそもそも同定可能なシステムを扱っているのか研究されてこなかった。これらの結果は国際会議(Asian Control Conference 2004)での発表が決まっている。このような基礎的な研究は様々な分野への応用が可能であり、特に自己の研究の繋がりで言うと脳の高次機能や遺伝子ネットワークなどのより複雑な対象を研究する為の手法として有効である。

考虑到大脑功能是一个复杂而巨大的非线性动力系统，我进行研究的主要目的是从系统论的角度分析大脑计算理论的稳定性和有效性。首先，我们关注小脑，它被认为特别负责大脑内的运动控制功能。生理学发现表明小脑具有分层和功能分化的结构特征，这一事实表明计算理论也表明它具有类似的结构，即分层和分布式。从这个角度来看，我们提出了“分散的运动控制”。算法”作为小脑运动控制模型，并在 2003 年国际神经网络联合会议上口头报告了结果。与上述研究并行，我们还开展了泛函微分方程的稳定性分析和结构可辨识性研究。具体来说，对于具有不可避免的时间延迟元素的大脑和基因网络等非线性网络系统，在存在不确定性元素、随机元素和连续时间延迟的情况下，我们提出了一种有效分析时稳定性的方法。具有时滞的系统具有类似于无限维系统的复杂动力学，并且当对真实系统进行数学建模时，总是存在固有的不确定性和概率元素，因此利用计算机有效地确定其稳定性是重要且重要的。最根本的。另一方面，我们讨论是否可以从可观察的输入状态数据中识别原始系统，此外，我们使用图论来讨论系统是否在结构上可识别为图结构，我们已经展示了以下条件。基因网络结构的估计是基因工程的核心研究，但迄今为止还没有研究它是否涉及可识别的系统。这些结果将在国际会议（2004 年亚洲控制会议）上公布。这种基础研究可以应用于多种领域，就我自己的研究而言，它作为研究更复杂的学科（例如高级大脑功能和基因网络）的方法特别有效。