| Research Abstract |
本研究における競争(competition,競合)とは,複数個の情報処理エレメンとが,それぞれへの重み付き入力を比べ合い,最も適切なエレメントのみが出力をだせる方式をいう.この最優位ニュ-ロンは,自分自身への入力の加わり方,すなわち,入力重みを更新することができる.また,多重降下とは,学習の望ましさの規範であるコスト関数が,複数のコスト降下写像の合成になっている場合いをいう.従って,多重降下競争(競合)アルゴリズムは,明らかに従来の競合学習アルゴリズムよりも,計算論的に広範な能力を有している.
平成2年度においては,多重降下競合学習アルゴリズムの骨格となるべき部分の作成を完了できている.ななわち,一括更新型と逐次更新型の両方に対して多重降下競合学習アルゴリズムを作成し,両者が対等であることを示した.ただし,変形のしやすさという立場からは,逐次更新型の方が扱いやすい.得られたアルゴリズムはその能力の広範さを示すために,いろいろな問題に適用された.まず,ユ-リッド空間における巡回セ-ルスマン問題に適用され良好な性能を発揮した.例えば,USA532都市セットについては,真の解よりも3.747%長いだけである.さらにこのアルゴリズムは,一般化されたN台の運搬車経路問題にまで拡張が可能であり,この場合の良好な近似解が初めて得られた.
競合学習本来の適用分野であるパタ-ン情報処理に対しても,多重降下競合学習アリゴリズムを適用して,新たな結果を得ている.例えば,画像に適用して,最適化された特徴地図を得ている.この特徴地図を外部の教師信号で操作することにより,人間の表情の変形を得ている.超並列分散処理については,異質な並列性を共存させた計算環境を,エミュレ-タとして初めて作成し,これは平成3年度の研究に引き継がれることになる.
|
