2004 Fiscal Year Annual Research Report
構造刈り込み学習による淘汰結合と抽象化内部モデルの自律形成に関する研究
| Project/Area Number |
15500139
|
|---|
| Research Institution | Kyusyu Institute of Technology |
|---|
Principal Investigator |
安井 湘三 九州工業大学, 大学院・生命体工学研究科, 教授 (50132741)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
古川 徹生 九州工業大学, 大学院・生命体工学研究科, 助教授 (50219101)
|
|---|
| Keywords | 刈り込み / アナロジー / ICA / 内部モデル / 結合 / 統合 |
|---|
| Research Abstract |
脳・神経系の究明のためにも、「刈り込み」による淘汰原理は、結合・統合や内部モデル生成の問題と連動させて活用できる筈である。この具体化が本研究全体に共通する目的である。安井が開発したCSDFと呼ぶアルゴリズムを軸に、以下のようなサブテーマに取り組んだ。
(1)アナロジー学習・類推
アナロジーによる理解や発想は、分析や論理を伴わず瞬時的であることが多く、脳機能の何かを反映している。NNによる従来の試みはAI的に硬直した処理形態を残し、「組み合せ爆発」の問題をかかえながら中途半端に終わっている。我々の方式はアナロジー用の本格的なNNといえる。この鍵となるのは、「CSDF刈り込み」で、これにより抽象化内部モデルが自律形成され、それはアナロジー記憶として新規データに対しての選択的アトラクターとして柔軟に働く。本テーマは、複数アナロジーや無関係データを含むDBを対象にした発展研究であり、抽象化モデルや記憶アクセス・照合を包含した結合・統合の脳モデルの例として一定の成功を収めたと考える。
(2)独立成分分析オートエンコーダ・ニューラルネット
我々のICA方式は、砂時計型NNにCSDF刈り込み機構を施したもので、他法とは異質の非情報理論的、非恣意的なアプローチである。刈り込みに生き残った非線形隠れ素子で源信号が自動再生される。外界における信号の混合状況は内部モデルとしてデコーダ部に自律生成される。次の観点より本方式の発展的応用を概ね成功裏に行った。◆ロバスト性/適応性(センサ突然故障、源信号突然増加) ◆時変混合 ◆コンボリューション混合。
(3)SOMにおける「刈り込み」の試み
SOMを一般化した「mnSOM」というものを我々は最近提案したが、そこでの競合学習にCSDF刈り込みを用いることを考えた。この部分の実績は未だ出ていない
|
