오류를 최소화하는 방법에 기초한, 신경망에 대한 간단한 적응 집단 (population) 코딩 모델을 개발하였다. 이 모델은 원숭이의 자발적 팔운동에 있어서, 운동피질에서 발견되는 신경세포들의 집단 코딩의 성질과 잘 부합한다. 학습이 이루어진 후에, 특정의 방향성 모델 신경들을 제거함으로써, 이들 신경들의 코딩에 대한 기여를 조사하였다. 또, 나머지 신경들만을 가지고 학습을 시킴으로써, 그들 세포들의 선호 방향이, 코딩 오차를 줄이기 위해, 어떻게 변하는가를 관측하였다. 이와 같은 집단 코딩의 적응성은 아직 예측되거나 실험적으로 관측된 바가 없으므로, 집단코딩에 기초한 정보처리를 수행한다고 여겨지는 실제의 뇌피질에서도 유사한 적응성질이 존재하는지 조사해 보는 것도 흥미로울 것이다.
We develop a simple adaptive population coding model for neural networks based upon an error minimization method. Our model exhibits properties that have been experimentally observed in the population coding of the motor-cortical cells during the voluntary arm movements of primates. By removing a group of directionally tuned cells after learning, we study its contribution to the population coding. Through the learning process of the remained cells, we observe how the cells modify their preferred directions to reduce the coding errors. Since this adaptive property has been neither predicted nor experimentally observed before, it would be interesting to find whether a similar adaptive property exists in real cortices that are believed to encode the information in their cell populations.
