制御理論と学習ネットワークの融合による非線形複雑系のモデル化と制御に関する研究

1999 Fiscal Year Annual Research Report

• Project/Area Number: 10650433
• Research Institution: Yamaguchi University
• Principal Investigator: 大林 正直 山口大学, 工学部, 助教授 (60213849)
• Co-Investigator(Kenkyū-buntansha): 村田 純一 九州大学, 大学院・システム情報科学研究科, 助教授 (60190914) ; 平澤 宏太郎 九州大学, 大学院・システム情報科学研究科, 教授 (70253474) ; 小林 邦和 山口大学, 工学部, 助手 (40263793)
• Keywords: モデル化 / ニューラルネットワーク / 強化学習 / 不完全観測 / 制御 / 遺伝的アルゴリズム / カオス / 連想記憶

Research Abstract

非線形複雑系のモデル化と制御には、生物の学習方式を解明し、その利用が有益であると考えられる。このことから、平成11年度は生物の学習方式を範とするモデル化と学習方式に関する研究を行った。更に進めて複雑系の代表格である脳の連想記憶方式についてもその有用性を探るべく検討した。
1.モデル化に関する研究
・可変長の遺伝子コードを間接符号化法に基づく遺伝的アルゴリズムを用いた、最適なネットワークサイズと適切なネットワークパラメータを持つニューラルネットワーク設計法を提案し、シミュレーションにより同方式の有効性を確認した。
2.学習及び制御に関する研究
・生物の自然な学習方式である強化学習方式について、不完全観測環境下におけるactor-critic学習方式と確率傾斜法の協調学習制御方式を開発し、倒立振子の学習制御シミュレーションにより同方式の有効性を確認した。
3.連想記憶方式に関する検討
・現在、連想記憶にはカオスが関係しているとされる。連想記憶について単調増加関数であるシグモイド関数を用いたカオスニューラルネットワークによるモデル化が提案されている。本研究では、非単調関数である同径基底関数を用いたカオスニューラルネットワークを提案し、相関が強い記憶パターンの想起過程においては従来法より優れていることを確認した。

Research Products

• [Publications] 大林正直: "A New Method for Faster Neural Networks Learning Introducing Functions of Synaptic Weights"Proceedings of 6^<th> International Conference on Neural Information Processing. Vol.3. 1178-1183 (1999)
• [Publications] 大林正直: "Neural Networks with Functions of Synaptic Weights and Its Application to Nonlinear System Control"Proceedings of IEEE International Conference on Systems,Man and Cybernetics. 1472-1477 (1999)
• [Publications] 小林邦和: "A New Indirect Encoding Method with Variable Length Gene Code to Optimize Neural Network Structure"Proceedings of IEEE International Joint Conference on Neural Networks. No.657. (1999)