2014 Fiscal Year Annual Research Report
競合連想ネットの区分的線形近似と統計的学習法の工学応用のための理論解析と性能向上
| Project/Area Number |
24500276
|
|---|
| Research Institution | Kyushu Institute of Technology |
|---|
Principal Investigator |
黒木 秀一 九州工業大学, 大学院工学研究院, 教授 (40178124)
|
|---|
| Project Period (FY) |
2012-04-01 – 2015-03-31
|
| Keywords | 競合連想ネット / 区分的線形近似 / 統計的学習 / 工学応用 / 理論解析 / 性能向上 |
|---|
| Outline of Annual Research Achievements |
本研究の目的と計画で挙げた４つの課題について、本最終年度は以下の実績を得た。
(1)区分的線形近似と統計的学習法の理論解析と性能向上：直接多段予測とバグ外推定による競合連想ネットCAN2(Competitive Associative Net 2)のモデル選択（ユニット数や埋め込み次元の選択）の性質について数値実験による解析を行った。カオス時系列の短期予測可能で長期予測不能という性質により、バグ外推定によるモデル選択が困難であることを明らかにした。
(2)非線形プラントのロバスト制御への応用：提案した非線形多目的ロバスト制御手法を線形系に適用することにより、この手法は、縮退したプラントモデルを複数学習して使用することにより、多目的ロバスト制御を実現していることを明らかにした。
(3)音声話者認識への応用：CAN2とギブス分布を用いる拡張ベイズ推定をテキスト指定型話者照合に適用し、未登録話者に対する性能が向上できることを示した。
(4)距離画像処理への応用：CAN2とLOOCV(Leave-One-Out Cross Validation)を用いることにより、区分的線形近似により得られる区分平面の中心ベクトルと法線ベクトルを用いて従来のICP-SLAM(Iterative Closest Point - Simultaneous Localization and Mapping)の地図の精度を向上できることを示した。
研究機関全体を通じて、CAN2の区分的線形近似と統計的学習法の工学応用のための理論解析と性能向上について、ほぼ予定通り研究を遂行することができた。さらに、特に上記課題の(1)と(2)の研究成果により、今後、より実用的なカオス時系列の予測や音声話者照合を行うために確率予測法の導入が示唆されたことも本研究の成果として重要であると考える。
|
