モデル内部形成型自律システム

1998 Fiscal Year Annual Research Report

• Project/Area Number: 10650434
• Research Institution: Kyushu University
• Principal Investigator: 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)
• Co-Investigator(Kenkyū-buntansha): 大林 正直 山口大学, 工学部, 助教授 (60213849) ; 胡 敬炉 九州大学, 大学院システム情報科学研究科, 助手 (50294905) ; 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)
• Keywords: 自律システム / ケート付ネットワーク / RBFネットワーク / 経路切替 / 強化学習 / 一般化 / 最適値探索 / カオス

Research Abstract

本研究課題である「モデル内部形成型自律システム」の構築に必要な要素は,多様な試行に基づいて学習を行う手段,学習結果の中から未学習の状況にも適用可能な一般性の高いものを抽出して表現する手段,階層的な構造をもつ制御機構とその適切な切替え機構である.これらを実現するために,本年度に開発した主要な手段・手法は,ゲート付きニューラルネットワークとRBF(Radial Basis Function)ネットワークのノード統合手法である.
ゲート付きニューラルネットワークは,ニューラルネットワーク内に信号伝達とノード発火を制御するゲートを設けたもので,異なる複数機能の切替え使用,信号の要不要の判断が可能である.これを用いると,複数階層からなる制御系とその切替え機構の構築,不要信号を学習により自動的に排除した一般性のあるモデルの構築を行うことができる.
さらに,ゲートの開閉決定機構としてRBFネットワークを用い,今回開発したノード統合手法を適用することにより,さらにモデルの一般性を高め,人間にとって解釈の容易な形式とすることができる.
以上を,障害物を避けながら目標に到達する方策を強化学習を用いて学習するエージェントに対して適用することにより,学習で獲得した成果の中から一般性の高いものを抽出して表現することができることを確認した.また,複数の機能を有し,それを切り替え使用することの有効性を,非線形システムであるクレーンの制御を例題として確認した.
この他,多様な試行に基づく学習を補助するものとして,多様性を実現するカオスの生成・消滅を行う方法,および学習を効率化するものとして,最適値探索手法とそのパラメータの自動設定法も開発した.

Research Products

• [Publications] 村田純一: "遺伝的アルゴリリズムによるニューラルネットワークの構造決定" 電気学会論文誌. 118・C・7/8. 1114-1121 (1998)
• [Publications] 村田純一: "長・中・短期記憶を用いた発見的最適化法" 電気学会論文誌. 118・C・9. 1315-1321 (1998)
• [Publications] 平澤宏太郎: "Clustering Control of Chaos Universal Learning network" Journal of Robotics and Mechatronics. 10・4. 305-310 (1998)
• [Publications] 平澤宏太郎: "Learning Petri Nerwork and Its Applications Non-linear System Control" IEEE Transactions on Systems, Man and Cybernetics, part B. 28・6. 781-789 (1998)
• [Publications] 胡 敬炉: "RasID-Random Search for Neutal Networks Training" Journal of Advanced Computational Intelligence. 2・4. 134-141 (1998)
• [Publications] 大林正直: "昨日局在型学習ネットワークの非線形制御への応用" 電気学会論文誌. 118-C・6. 873-881 (1998)