リカレント・ニューラル・ネットワーク
リカレント・ニューラル・ネットワーク (Recurrent Neural Network)とは，通常のフォワード型のネットワークにフィードバック結合を付け加えることで，時間的な構造を持ったデータ (例：言語，映像，運動など)を学習できるようにしたモデルです．近年では，ロングショートタームメモリーネットワーク (Long Short-Term Memory Network)と呼ばれる，長期的時間構造を記憶可能なモデルが注目を集めており，特に英-仏翻訳，IT環境のトラブルシューティングといった自然言語処理アプリケーションに関する研究成果が報告されています．上述のディープラーニング技術との統合例もあり，画像説明文生成といったタスクの学習が試みられています．
尾形研究室では現在，このリカレントネットをロボット身体に実装することで，人間に備わった本質的に時系列処理である諸認知的機能を，構成論的アプローチにより理解しようと試みています．実際の神経回路網とのアナロジーから，様々なタイムスケールで活動するニューロンを階層的に実装し学習を行うことで，感覚・運動レベルの低次機能から，記憶・言語・計画的行動・他者との協調などの高次レベルの機能までが創発的に獲得されると考えています．
研究テーマの一例：
1. 模倣学習
2. 言語と行動の統合学習
（文責：山田竜郎）