| 研究課題/領域番号 |
03452172
|
|---|
| 研究種目 |
一般研究(B)
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
情報工学
|
|---|
| 研究機関 | 関西大学 (1992-1993)
大阪市立大学 (1991) |
|---|
研究代表者 |
山下 一美 関西大学, 工学部, 教授 (40046850)
|
|---|
| 研究分担者 |
岡本 次郎 大阪市立大学, 工学部, 助教授 (30047146)
中島 重義 大阪市立大学, 工学部, 助手 (00198087)
|
|---|
| 研究期間 (年度) |
1991 – 1993
|
| 研究課題ステータス |
完了 (1993年度)
|
| 配分額 *注記 |
7,000千円 (直接経費: 7,000千円)
1993年度: 500千円 (直接経費: 500千円)
1992年度: 500千円 (直接経費: 500千円)
1991年度: 6,000千円 (直接経費: 6,000千円)
|
|---|
| キーワード | ニューラルネットワーク / リカレント型ニューラルネット / パリティ判別 / 遺伝的アルゴリズム / GA / 学習 / データフロー / 風合い / 遺伝的アリゴリズム / GA学習法 / Neural Computaion / Hopfield / 静的スケジュ-リング / 最適化 / 神経回路網 / 逆伝播アルゴリズム / 学習法 |
|---|
| 研究概要 |
研究成果の概要を項目に分けて述べる。
(1)リカレント型ニューラルネットワークの学習法として遺伝的アルゴリズム(GA)を用いると、誤差逆伝播(BP)学習法の欠点である学習が進むにつれて学習速度が低下するという問題や安定性の問題などを考慮する必要がなくなるなど、非常に有効な方法であることを示した。
(2)フィードフォワード型ニューラルネットワークにおいて、GAを用いて中間ユニット数を自動的に決定する一方法を提案し、その有効性を示した。
(3)リカレント型ニューラルネットワークの簡易な学習法を提案し、空間フィルタの合成問題に有効であることを示した。
(4)フィードフォワード型ニューラルネットワークを用いた数字認識の学習にGAが有効であることをBP学習法との比較のもとに明らかにした。
(5)データフロー型並列コンピュータのスケジューリング問題がホプフィールド型ニューラルネットワークのエネルギー最小化原理を用いて解くことができ、従来の方法に比べて優れていることを示した。
(6)Nビット入力に対するパリティ判別に必要な中間ユニット数は最小(N+1)/2で十分であることを示した。
(7)フォワード型ニューラルネットワークを用いて布の風合いを求めるエクスパートシステムが実現可能なことを示した。また、逆に布の風合いを入力すると布の物理量が求められるニューラルネットワークを構成することが可能なことを示した。
(8)リカレント型ニューラルネットワークを用いて、低SN比のもとでスペクトルの非常に接近した信号の振幅と位相を検出するアリゴリズムを提案し、従来の方法に比べて精度が高いことを確かめた。
|
