Subsections
海馬モジュールを除去したネットワークが新しい情報を学習しなくなることを確認する。
Figure 7.4のSquareパターンを連合野に学習させた
ネットワークに対し初期刺激として1stepランダムな入力を行った後,
海馬モジュールと連合野モジュール間を切除し, 実験1と同様の実験を行う。
図 7.4:
Square pattern
![\includegraphics[height = 3.0cm]{Square.eps}](img119.png) |
実験の結果をFigure 7.5とFigure 7.6に示す。
Figure 7.5, Figure 7.6の軸は実験1と同様である。
Figure 7.5のInput pattern = 0は, あらかじめ学習させていたSquareパターンとの類似度である。
図 7.5:
Relationship between the input pattern and similarity when hippocampus was excised
![\includegraphics[height = 9.0cm]{graph3.eps}](img120.png) |
図 7.6:
Relationship between the input times and similarity when hippocampus was excised
![\includegraphics[height = 9.0cm]{graph4.eps}](img121.png) |
海馬モジュールは実験1同様, 入力した時刻に影響を受けた出力になっている一方,
連合野モジュールはほとんど学習できておらず,
長期記憶にあたるSquareパターンを除いて, 入力時刻, 入力回数に関係なく
常に類似度が低い。そして, 海馬が切除する前に記憶されていた長期記憶である
Squareパターンの記憶は保持されている。
Deguchi Lab.
2017年3月6日