View Code? Open in Web Editor
NEW
WBA Hackathon 2017 award winning codes
License: Apache License 2.0
Python 27.71%
Shell 0.15%
C# 71.76%
JavaScript 0.14%
ShaderLab 0.24%
wba-hackathon's Introduction
![trophy](https://camo.githubusercontent.com/03dbbb402eb703fdcf30b05af795023e32e2c412b69cf3fc83afc1bbd466c952/68747470733a2f2f6769746875622d70726f66696c652d74726f7068792e76657263656c2e6170702f3f757365726e616d653d74616b7573656e6f)
![Anurag's github stats](https://camo.githubusercontent.com/bdb20cff92eedb4def42a1a07381816d79845f4258bd37fa0dda03e517911f5a/68747470733a2f2f6769746875622d726561646d652d73746174732e76657263656c2e6170702f6170693f757365726e616d653d74616b7573656e6f26696e636c7564655f616c6c5f636f6d6d6974733d747275652673686f775f69636f6e733d7472756526636f756e745f707269766174653d74727565)
- 💻 Research Scientist @ Sony Research (2020/10/1 - Present)
- 🎓 Ph.D @ Keio University (2023)
- 🔥 IPA MITOU super creator (2020)
- ⌨️ Vimmer (a whole time)
- 👀 Visit here for more information
wba-hackathon's People
wba-hackathon's Issues
9/13に最終ミーティング
松森
妹尾
トキシー
- CA1周りの構想
- 英雄研の計算機が使用可能なら環境構築
滝本さん
- TensorFlowでのProgressive Neural Networkの実装について考える
- 滝本さんの計算機が使えるなら環境構築
モジュールの概要
実装する全脳アーキテクチャの概要は以下のとおりである。
- 海馬モジュール
- 新皮質モジュール
- 基底核モジュール
![image](https://user-images.githubusercontent.com/15951497/29004679-82d0babe-7b06-11e7-97d3-00d3216a8e3d.png)
海馬の実装
![image](https://user-images.githubusercontent.com/15951497/29004659-3348a3f8-7b06-11e7-8063-9de335d4c4c4.png)
海馬モジュールの機能
エピソード記憶
海馬の出力部分にNeural Episodic Controlで用いられているDifferential Neural Dictionaryを実装する
これによって、少ない学習で行動選択が行える
NECとは違い、提案モデルはA3Cによって学習を行うので
参考
空間認知
CA1に空間認知に関わる細胞が多い
今回の提案モデルではCA1で補助タスクを用いて
それらの再現と探索タスクの性能の向上を目指す
参考
海馬モジュールの構造的特徴
歯状回
歯状回では新生ニューロンが誕生することがわかっている。
今回のモデルではProgressive Neural Networkを用いてインクリメンタルに
ネットワークが拡張できるように実装を行う。
![](https://user-images.githubusercontent.com/15951497/29004759-36be7560-7b08-11e7-8b64-4ae079f4b57f.png)
参考
CA3
CA3では再帰的な神経投射が行われている。
今回のモデルではRCモデルの一種であるEcho State Networkを用いることで
時系列データを扱い、連想記憶装置としての機能も実装する。
![](https://user-images.githubusercontent.com/15951497/29004760-3b25c4be-7b08-11e7-9425-9516b3c7614a.png)
学習方法
![](https://user-images.githubusercontent.com/15951497/29004672-66945d60-7b06-11e7-9d82-25e5e7cc52f9.png)
「海馬モジュール」「基底核モジュール」「新皮質モジュール」はA3Cによって学習を行う。
この際、Actorは「海馬モジュール」、Criticは「基底核モジュール」に該当する。
AC3を用いることで、従来手法(NEC)では実現できなかったRNNの実装を可能とする。また、基底核がTD誤差の計算を行い、海馬は行動選択をしている観点からもDQNではなくA3Cで学習を行うことは妥当だと考えられる。
参考
資料
概要
トリシナプティック回路において、「場所細胞」「ヘッドディレクション細胞」「グリッド細胞」
が存在する�CA1を工学的に実装する。
概要
トリシナプティック回路において、「新生ニューロン誕生」が見られる歯状回をProgressive Neural Networkを参考に工学的に実装する。
概要
素のA3CがBrica Module上で動くか検証する。