2008 Fiscal Year Annual Research Report
シナプス可塑性を学習するニューラルネットワークの研究
| Project/Area Number |
19650033
|
|---|
| Research Institution | Wakayama University |
|---|
Principal Investigator |
瀧 寛和 Wakayama University, システム工学部, 教授 (10304180)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
松田 憲幸 和歌山大学, システム工学部, 准教授 (40294128)
三浦 浩一 和歌山大学, システム工学部, 助教 (70362861)
|
|---|
| Keywords | シナプス可塑性学習 / ニューラルネットワーク / 例示生成 / 複数ネットワーク同時学習 / ネットワークインデックス生成 |
|---|
| Research Abstract |
シナプス可塑性を学習するニューラルネットワークでは、学習効率が重要な課題である。表象の無い知識を持つネットワークから構造の異なるネットワークへの知識の伝達による学習方式として定式化し、それを例示生成の方法を正例と負例の境界探索問題に帰着させることができた。人の技能の学習(身体知の伝達)に応用することを検討した結果、同時に複数のネットワークを学習し、個々の学習結果を連結する仕組みが必要であることが分かった。これを複数のインデックス生成学習の枠組みがとれるニューラルネットワークとして研究を進めている。インデックスは、学習する事例の一部を構成するが、その表現は、表象のあるインデックスと事例(画像などのイメージが事例の場合)が構成するイメージの一部やその加工情報である場合を検討した。また、複数のインデックス情報を利用するため、矛盾を含む事例を学習することがある。この矛盾に対して、目標に基づく推論過程の生成ができる新たな矛盾解消方式も合せて開発中である。インデックスが表象である場合には、インデックス間の矛盾は、論理的な矛盾となる信念管理(TMS)を利用できるが、この研究では、目標に基づく推論過程に有用なインデックス、推論に矛盾を発生させるインデックス、無害なインデックスに分類することで矛盾を解消する。ニューラルネットワークによるマルチインデックス学習とインデックス間の関係を表現するニューラルネットワークとインデックス間の矛盾解消システムにより、効率的なニューラルネットワークの新しい学習方式が構成できる可能性を見出した。
|
