CiNet 西田グループ

Preprints

  1. Kawahata K, Wang J, Blanc A, Maeda N, Nishimoto S, Nishida S. Decoding Individual Differences in Mental Information from Human Brain Response Predicted by Convolutional Neural Networks. bioRxiv:2022.05.16.492029, 2022. https://www.biorxiv.org/content/10.1101/2022.05.16.492029
  2. Nishida S, Toyoda S, Honda C, Watanabe M, Ollikainen M, Vuoksimaa E, Kaprio J, Nishimoto S. Genetic influences on brain representations of natural audiovisual experiences. Research Square, 2021. https://doi.org/10.21203/rs.3.rs-902535/v2
  3. Nishida S, Matsumoto Y, Yoshikawa N, Son S, Murakami A, Hayashi R, Nishimoto S, Takahashi H. Reduced intra- and inter-individual diversity of semantic representations in the brains of schizophrenia patients. bioRxiv:2020.06.03.132928. https://www.biorxiv.org/content/10.1101/2020.06.03.132928v1

Journal Papers

  1. 西田知史. 日常的な認知に関わる脳情報処理のモデル化と人工脳への応用. 情報通信研究機構研究報告 68(1): 11–19, 2022.
  2. Matsumoto Y, Nishida S, Hayashi R, Son S, Murakami A, Yoshikawa N, Ito H, Oishi N, Masuda N, Murai T, Friston K, Nishimoto S, Takahashi H. Disorganization of semantic brain networks in schizophrenia revealed by fMRI. Schizophrenia Bulletin, in press.
  3. Shinkuma R, Nishida S, Maeda N, Kado M, Nishimoto S. Reduction of information collection cost for inferring brain model relations from profile. IEEE Transactions on Systems, Man and Cybernetics: Systems, 52(7):4057–4068, 2022. https://ieeexplore.ieee.org/document/9487498 | プレスリリース
  4. Niikawa T, Miyahara K, Hamada HT, Nishida S. Functions of Consciousness: Conceptual Clarification. Neuroscience of Consciousness, 2022(1): niac006, 2022. https://doi.org/10.1093/nc/niac006
  5. Nishida S, Blanc A, Maeda N, Kado M, Nishimoto S. Behavioral correlates of cortical semantic representations modeled by word vectors. PLOS Computational Biology 17(6): e1009138, 2021. https://doi.org/10.1371/journal.pcbi.1009138
  6. Ikutani Y, Kubo T, Nishida S, Hata H, Matsumoto K, Ikeda K, Nishimoto S. Expert programmers have fine-tuned cortical representations of source code. eNeuro 8(1): ENEURO.0405-20.2020, 2021. https://doi.org/10.1523/ENEURO.0405-20.2020 | プレスリリース
  7. Niikawa T, Miyahara K, Hamada HT, Nishida S. A new experimental phenomenological method to explore the subjective features of psychological phenomena: its application to binocular rivalry. Neuroscience of Consciousness 2020(1):niaa018, 2020. https://doi.org/10.1093/nc/niaa018
  8. Miyahara K, Niikawa T, Hamada HT, Nishida S. Developing a Short-term Phenomenological Training Program: A Report of Methodological Lessons. New Ideas in Psychology 58:100780, 2020. https://doi.org/10.1016/j.newideapsych.2020.100780
  9. Shinkuma R, Nishida N, Kado M, Maeda N, Nishimoto S. Relational network of people constructed on the basis of similarity of brain activities. IEEE Access 7(1):110258–110266, 2019. https://doi.org/10.1109/ACCESS.2019.2933990
  10. Nishida S, Nishimoto S. Decoding naturalistic experiences from human brain activity via distributed representations of words. NeuroImage 180(A):232– 242, 2018. https://doi.org/10.1016/j.neuroimage.2017.08.017 | プレスリリース
  11. 西本伸志, 西田知史. 視覚と認知をつかさどる脳機能の定量的理解とその応用に関する研究. 情報通信研究機構研究報告 64(1): 5–12, 2018. https://doi.org/10.24812/nictkenkyuhoukoku.64.1_5
  12. 西田知史, 西本伸志. 意味認知と脳内情報表現 (特集「脳科学とAIのフロンティア」). 人工知能 32(6):857–862, 2017. https://doi.org/10.11517/jjsai.32.6_857
  13. 西田知史, 下川哲也, 小泉愛. 創薬医療に貢献するNICTの「脳情報科学×AI」研究開発. 日本化学会情報化学部会誌 35(2):168–173, 2017. https://doi.org/10.11546/cicsj.35.168
  14. Nishimoto S, Nishida S. Lining up brains via a common representational space. Trends in Cognitive Sciences 20(8):565–567, 2016. https://doi.org/10.1016/j.tics.2016.06.001
  15. Tanaka T, Nishida S, Ogawa T. Different target-discrimination times can be followed by the same saccade-initiation timing in different stimulus conditions during visual searches. Journal of Neurophysiology 114(1):366–380, 2015. https://doi.org/10.1152/jn.00043.2015
  16. Koide N, Kubo T, Nishida S, Shibata T, Ikeda K. Art expertise reduces influence of visual salience on fixation in viewing abstract-paintings. PLOS ONE 10(2): e0117696, 2015. https://doi.org/10.1371/journal.pone.0117696
  17. Nishida S, Tanaka T, Ogawa T. Transition of target-location signaling in activity of macaque lateral intraparietal neurons during delayed-response visual search. Journal of Neurophysiology 112(6):1516–1527, 2014. https://doi.org/10.1152/jn.00262.2014
  18. Nishida S, Tanaka T, Shibata T, Ikeda K, Aso T, Ogawa T. Discharge-rate persistence of baseline activity during fixation reflects maintenance of memory-period activity in the macaque posterior parietal cortex. Cerebral Cortex 24(6):1671–1685, 2014. https://doi.org/10.1093/cercor/bht031
  19. Nishida S, Shibata T, Ikeda K. Object-based selection modulates top-down attentional shifts. Frontiers in Human Neuroscience 8:90, 2014. https://doi.org/10.3389/fnhum.2014.00090
  20. Nishida S, Tanaka T, Ogawa T. Separate evaluation of target facilitation and distractor suppression in the activity of macaque lateral intraparietal neurons during visual search. Journal of Neurophysiology 110(12):2773–2791, 2013. https://doi.org/10.1152/jn.00360.2013
  21. Tanaka T, Nishida S, Aso T, Ogawa T. Visual response of neurons in the lateral intraparietal area and saccadic reaction time during a visual detection task. European Journal of Neuroscience 37(6):942–956, 2013. https://doi.org/10.1111/ejn.12100
  22. Fujimoto A, Nishida S, Ogawa T. Saccade dynamics in error trials during visual search. Advances in Cognitive Neurodynamics (III): Proceedings of the Third International Conference on Cognitive Neurodynamics 575–581, 2013. https://doi.org/10.1007/978-94-007-4792-0_77
  23. Fujimoto A, Nishida S, Ogawa T. Dynamic alternation of primate response properties during trial-and-error knowledge updating. Robotics and Autonomous Systems 60(5):747–753, 2012. https://doi.org/10.1016/j.robot.2011.06.014
  24. Nishida S, Shibata T, Ikeda K. Prediction of human eye movements in facial discrimination tasks. Artificial Life and Robotics 14(3):348–351, 2009. https://doi.org/10.1007/s10015-009-0679-9

Conference Papers

  1. Kawasaki H, Nishida S, Kobayashi I. Hierarchical Processing of Visual and Language Information in the Brain. Proceedings of AACL-IJCNLP 2022, in press.
  2. Nishida S, Nakano Y, Blanc, A, Maeda N, Kado M, Nishimoto S. Brain-mediated Transfer Learning of Convolutional Neural Networks. Proceedings of the Thirty-Fourth AAAI Conference on Artificial Intelligence 34(4):5281–5288, 2020. https://doi.org/10.1609/aaai.v34i04.5974
  3. Matsuo E, Kobayashi I, Nishimoto S, Nishida S, Asoh H. Describing Semantic Representations of Brain Activity Evoked by Visual Stimuli. Proceedings of 2018 IEEE International Conference on Systems, Man, and Cybernetics (SMC), 576–583, 2018. https://doi.org/10.1109/SMC.2018.00107
  4. Kawase C, Kobayashi I, Nishimoto S, Nishida S, Asoh H. Semantic representation in the cerebral cortex with sparse coding. Proceedings of 2017 IEEE International Conference on Systems, Man, and Cybernetics (SMC) 606–611, 2017. https://doi.org/10.1109/SMC.2017.8122673
  5. Matsuo E, Kobayashi I, Nishimoto S, Nishida S, Asoh H. Generating Natural Language Descriptions for Semantic Representations of Human Brain Activity. Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (ACL) – Student Research Workshop 22–29, 2016. https://doi.org/10.18653/v1/P16-3004

Presentations

  1. 田口遥香, 西田知史, 西本伸志, 小林一郎. 脳内状態推定における注意機構の役割の検証. 第38回ファジィシステムシンポジウム (FSS2022), TB1-1. オンライン. 2022年9月15日.
  2. Wang J, Kawahata K, Blanc A, Nishimoto S, Nishida S. Asymmetry in Representations of Semantic Symmetry in the Human Brain. International Symposium on Artificial Intelligence and Brain Science 2022, B14. 沖縄, 2022年7月4日.
  3. Kawahata K, Wang J, Blanc A, Nishimoto S, Nishida S. Making information representations of deep neural networks more brain-like via models for brain-response prediction. International Symposium on Artificial Intelligence and Brain Science 2022, A08. 沖縄, 2022年7月4日.
  4. Wang J, Blanc A, Nishimoto S, Nishida S. Distributed, heterogeneous representations of semantically symmetric information in the human brain. Neuro2022, 3P-089. 沖縄, 2022年7月2日.
  5. Kawahata K, Wang J, Blanc A, Nishimoto S, Nishida S. Transforming information representations of deep neural networks to brain-like representations via models for brain-response prediction. Neuro2022, 3LBA-026. 沖縄, 2022年7月2日.
  6. Matsumoto Y, Nishida S, Hayashi R, Son S, Murakami A, Yoshikawa N, Ito H, Oishi N, Masuda N, Murai T, Friston K, Nishimoto S, Takahashi H. Randomization of semantic network in the brain of schizophrenia revealed by fMRI. Neuro2022, 1P-264. 沖縄, 2022年6月30日.
  7. 川畑輝一, BLANC Antoine, 西本伸志, 西田知史. 畳み込みニューラルネットワークによる脳活動予測を介した映像に対する嗜好の個人差推定. 第36回人工知能学会全国大会, 4K3-GS-1-01. 京都, 2022年6月17日.
  8. 西田知史. AI生成情報が人間の認知判断にもたらす負のバイアスとその脳内メカニズム. 第36回人工知能学会全国大会, 3F4-OS-23. 京都, 2022年6月16日.
  9. 西田知史. AIを「人間らしく」する脳情報融合. 大阪大学FBSコロキウム. オンライン. 2022年6月9日.
  10. Wang J, Blanc A, Nishimoto S, Nishida S. Symmetric pairs of semantic information are represented with little overlap in the human brain. 2022 Organization for Human Brain Mapping Annual Meeting, WTh084. Glasgow, UK. Jun 8, 2022.
  11. Oishi T, Sugano R, Shinkuma R, Maeda N, Nishida S. Relational model for video-content grouping based on brain-activity information. センサネットワークとモバイルインテリジェンス研究会, SeMI2022-7. 沖縄, 2022年5月26日.
  12. Kawahata K, Blanc A, Nishimoto S, Nishida S. Individual differences of natural perceptual content in the human brain can be estimated via brain response prediction using deep neural networks. The 7th CiNet Conference: New horizons in brain mapping, 1-3. Online. Feb 1, 2022.
  13. 川﨑春佳, 西田知史, 小林一郎. 深層学習を用いた脳内における視覚・意味情報の階層的処理の解明へ向けた取り組み. ニューロコンピューティングけ研究会, NC2021-32. オンライン. 2022年1月21日.
  14. 川畑輝一, BLANC Antoine, 前田直哉, 西本伸志, 西田知史. 畳み込みニューラルネットワークによる脳活動予測を介して脳内知覚情報の個人差を推定するシステム. ニューロコンピューティング研究会, NC2021-31. オンライン. 2022年1月21日.
  15. 西田知史. 脳科学とAIの融合. 第21期金曜サイエンスサロン第1回. 大阪. 2022年1月14日.
  16. Kuroda E, Nishimoto S, Nishida S, Kobayashi I. A Deep Generative Model imitating Predictive Coding in the Human Brain. The 22nd International Symposium on Advanced Intelligent Systems, G04-4. Online. Dec 16, 2021. (Best Session Award受賞)
  17. 西田知史. 自然知覚に関わる脳情報の定量化とAIへの応用. 北陸先端科学技術大学院大学 知識科学系セミナー. 石川. 2021年12月3日.
  18. 西田知史. 脳科学と人工知能の融合. 応用脳科学アカデミー&ワークショップ, アドバンスコース「CiNet」第2回. オンライン. 2021年10月6日.
  19. Kawahata K, Blanc A, Nishimoto S, Nishida S. Decoding individual differences of perceptual experiences from human brain response predicted by deep neural networks. 第5回ヒト脳イメージング研究会. オンライン. 2021年9月17日. (若手奨励賞受賞)
  20. Iwasaka D, Shinkuma R, Nishimoto S, Nishida S. Brain model-based grouping system toward estimating people's content preferences. 2021年電子情報通信学会ソサイエティ大会, B-11-22. オンライン. 2021年9月15日.
  21. 隅⽥莉⾹⼦, ⼭⼝裕⼈, 中井智也, ⻄本伸志, ⻄⽥知史, ⼩林⼀郎. 聴覚と視覚からなる⾔語刺激下の脳活動状態推定による活動領域の⽐較. 第37回ファジィシステムシンポジウム (FSS2021), P5(WE2-1). オンライン. 2021年9月13日. (ポスター・デモセッション最優秀賞受賞)
  22. ⽥⼝遥⾹, ⻄⽥知史, ⻄本 伸志, ⼩林 ⼀郎. 画像刺激下の脳活動状態推定における深層学習モデルの基礎的考察. 第37回ファジィシステムシンポジウム (FSS2021), P2(TC2-1). オンライン. 2021年9月13日.
  23. 新川拓哉, 宮原克典, 濱田太陽, 西田知史. 意識の機能をめぐる概念的明確化. 日本認知科学会第38回大会, P2-46. オンライン. 2021年9月5日.
  24. Toyoda S, Nishida S, Honda C, Watanabe M, Ollikainen M, Vuoksimaa E, Kaprio J, Osaka Twin Research Group, Nishimoto S. Genetic effects on individual differences of natural audiovisual representations in the brain. The 80th Fujihara Seminar: Molecular and cellular mechanisms of brain systems generating individuality. Online. Aug 30, 2021.
  25. Nishida S, Toyoda S, Honda C, Watanabe M, Ollikainen M, Vuoksimaa E, Kaprio J, Osaka Twin Research Group, Nishimoto S. Genetic effects on natural audiovisual representations in widespread brain regions. 第44回日本神経科学大会, 1P-035. 神戸. 2021年7月28日.
  26. 黒田 彗莉, 西本 伸志, 西田 知史, 小林 一郎. 予測符号化を模倣する深層生成学習モデル構築に向けた基礎的検討. 情報処理学会 第83回全国大会, 1R-07. オンライン開催, 2021年3月18日.

2020年以前の発表については西田の個人Webサイトをご覧ください。
Please see Satoshi Nishida’s website for information about presentations before 2020.