AI用語集
人工知能の完全辞典
STDP (スパイクタイミング依存可塑性)
シナプス前およびシナプス後の活動電位の正確な時間差に基づいてシナプス強度が変化する生物学的学習ルール。この基本的なメカニズムにより、スパイクニューラルネットワークにおける時間的学習が可能となります。
ヘッブ型可塑性
同時に活動するニューロン同士がシナプス結合を強化する、活動の相関に基づく学習原理。「一緒に発火するニューロンは、一緒に結線する（fire together, wire together）」という言葉で有名です。
長期増強 (LTP)
シナプス前後の同期刺激に続いてシナプス伝達効率が数分から数時間にわたり持続的に強化される現象。長期記憶の基本的な細胞メカニズムを構成します。
長期抑圧 (LTD)
シナプス後の活動がシナプス前の活動より一定の臨界時間窓（タイムウィンドウ）だけ先行した場合に、シナプス伝達が持続的に弱まる現象。シナプス刈り込みや選択的な忘却に不可欠です。
STDPの時間窓
シナプス前およびシナプス後スパイクの時間差が可塑性の方向（増強または抑圧）を決定する、臨界の時間間隔（通常20〜50ミリ秒）。STDP学習の時間分解能を定義します。
シナプス重み
ニューロン間の接続の強さを定量化する数値パラメータであり、可塑性ルールによって動的に変調されます。シナプス前ニューロンがシナプス後電位に与える影響を決定します。
ニューロン発火率
ニューロンによる活動電位の発火の平均頻度（ヘルツ単位）。可塑性のダイナミクスに直接影響を与えます。ニューロンの興奮性の恒常性調節において重要な役割を果たします。
恒常性可塑性
局所的なシナプス変化があっても、ニューロン活動を機能的な範囲内に維持する全体的な調節メカニズム。過剰な興奮や過度なニューロンの沈黙を防ぎます。
反ヘッブ学習則
活動の相関がシナプス結合の弱化を引き起こす可塑性の原理であり、ヘッブ則の逆である。抑制回路や選択的学習解除（アンラーニング）回路で実装される。
レート依存可塑性
重みの変化がスパイクの正確なタイミングではなく、主に発火頻度（レート）に依存するシナプス可塑性の形態。生物学的システムにおいてSTDPを補完するものである。
プレシナプス・トレース
時間的相関を評価するために、直近のプレシナプス・スパイクの履歴を記録する指数関数的に減衰するメモリ変数。STDPルールの連続的な実装に不可欠である。
ポストシナプス・トレース
その後のプレシナプス入力との時間的相関を検出可能にする、ポストシナプス活動の残留信号。可塑性の方向と振幅を決定する。
可塑性の時定数
シナプス・トレースの減衰速度および学習ルールの積分ウィンドウを支配する時間パラメータ。システムの時間的相関に対する感度を制御する。
ペアベースSTDP
シナプスの変化が個々のプレ・ポスト・スパイクのペアのみに依存する、簡略化された可塑性モデル。STDP学習の最も基本的な形態を構成する。
トリプレット型STDP
LTPの抑圧のような複雑な生物学的現象を捉えるために、スパイクのトリプレット（3つ組）相互作用を統合した現実的なSTDPの拡張。in vitro（試験管内）の実験結果をよりよく再現する。
メタ可塑性
シナプスの可塑性の履歴が、将来の可塑性の閾値や特性を変化させる現象。可塑性そのものの可塑性を意味する。
可塑性閾値
シナプス修飾が誘導される時間的相関または活動の臨界値。学習の選択性と許容されるノイズを決定する。
STDP誘導プロトコル
タイミング依存性シナプス可塑性を引き起こし、研究するために使用される制御された刺激の実験計画。周波数、ペア数、およびペア間隔によって異なる。
STDP重み関数
事前-事後の時間的ズレに基づくシナプス変化の振幅を記述する数学的関数。典型的には非対称で指数関数的であり、学習曲線を定義する。
局所的シナプス可塑性
重みの変更がシナプスで局所的に利用可能な情報のみに依存するという原則。スパイキングネットワークにおいて中央の監視なしで分散学習を可能にする。