2006 Fiscal Year Annual Research Report
競合連想ネットの逐次学習法の変形とその区分的線形近似能力の非線形問題への応用
Project/Area Number |
16300070
|
Research Institution | Kyushu Institute of Technology |
Principal Investigator |
黒木 秀一 九州工業大学, 工学部, 助教授 (40178124)
|
Co-Investigator(Kenkyū-buntansha) |
西田 健 九州工業大学, 工学部, 助手 (30346861)
|
Keywords | 競合連想ネット / 逐次学習法の変形 / 区分的線形近似 / 非線形問題への応用 / ニューラルネット / 非線形時変プラントの制御 / 音声時系列の解析と認識 |
Research Abstract |
本研究は競合連想ネットの学習法を実世界のデータに即した学習法に変形して,種々の非線形問題に応用することを目的としており,本年度は下記の課題について以下のような成果を得ることができた. 課題(1)競合連想ネットの逐次学習法の変形とその検討:2004年度に開発した競合連想ネットのバッチ学習法に加えてアンサンブル学習の一種であるバギングの手法を組み合わせたバギング競合連想ネットを構築した.バギングの導入により以前より安定した汎化能力のある学習結果が得られるようになった.さらに,この手法と時系列差分を用いて時系列予測する手法を考案し,国際会議ESTSP2007の時系列予測コンペティションに参加した結果,第2位の成績を得ることができた. 課題(2)非線形時変プラントの制御への応用:上記のバギング学習法を種々の環境下のRCA洗浄液の温度制御問題に適用するために,入出力信号の差分を用いる制御法を開発した.これにより,従来より安定かつ高精度の制御性能を得ることができることをシミュレーションにより確認した. 課題(3)音声時系列の解析と認識への応用:上記のバギング学習法を母音時系列の再現と認識に応用した.音声時系列にエイリアスなどの高周波ノイズが含まれる場合でも,バギング学習法を用いるとより安定した母音時系列の再現と認識ができることを確認した. さらに,競合連想ネットの新たな応用分野として距離データ処理への応用研究も行い,本ネットの区分的線形近似能力を距離画像からの平面抽出に応用できることを確かめた.
|
Research Products
(8 results)