1991 Fiscal Year Annual Research Report
情報圧縮と再生における神経回路網の適応機構に関する数理解析
| Project/Area Number |
03234218
|
|---|
| Research Institution | Kobe University |
|---|
Principal Investigator |
赤澤 堅造 神戸大学, 工学部, 教授 (30029277)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
加藤 和範 明石工業高等専門学校, 助手 (00214362)
賀谷 信幸 神戸大学, 工学部, 助教授 (30093503)
|
|---|
| Keywords | 情報圧縮 / 荷重修正 / 逐次学習 / 顔ニュ-ロン / ニュ-ラルネットワ-ク |
|---|
| Research Abstract |
サルの大脳皮質(下側頭回)では、目や鼻などの顔の要素の間の距離(要素間距離)の組合せで表現される変量に特異的に反応する顔ニュ-ロンが見いだされている。これは、網膜上の顔情報は脳の中で要素間距離の組合せに圧縮され、その圧縮パタンを用いて記憶、認識、再生が行われていることを示唆しており、本研究はこの知見をヒントにし、パタン情報の圧縮・再生のニュ-ラルネットワ-クを構築し、検討を行った。
砂時計タイプのフィ-ドフォワ-ド型ニュ-ラルネットワ-クを基本とする、圧縮回路、記憶回路、再生回路からなるモデルである。圧縮回路では対数変換、線形荷重和の演算、指数変換を行い、再生回路はこの逆である。記憶回路では圧縮パタンを記憶する。ニュ-ロンの数と荷重の数は一定とし、この条件で多数のパタンを多重に記憶し、再生するという機能を実現させるものである。ヒトが新しい顔を見て記憶するとき、当然古い顔パタンは目の前には存在しない。そこで、過去に与えられたパタンを入力として用いることなく、新しく与えられたパタンのみを用いて荷重修正をする、いわゆる逐次学習のアルゴリズムを提案した。1次元パタンを与えてこの手法の基本的な特性を明かにし、その有用性を確認した。
本手法は、荷重の個数を固定した多重記憶であるので、新しいパタンについて荷重修正を行うこと、必然的に古い記憶パタンは歪むという機構になる。そこで、特に憶えておきたい記憶パタンのひずみ(再生ひずみ)を可能な限り小さくして、新しいパタンも記憶していくという機能を実現するための荷重修正の手法を開発した。つまりいくつかのパタンを選択的に高精度に記憶し、その再生パタンのひずみを低く抑えるというアルゴリズムを開発し、その有用性を示した。
|
