| 研究課題/領域番号 |
09650465
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
計測・制御工学
|
|---|
| 研究機関 | 名古屋工業大学 |
|---|
研究代表者 |
岩田 彰 名古屋工業大学, 工学部, 教授 (10093098)
|
|---|
| 研究分担者 |
黒柳 奨 名古屋工業大学, 工学部, 助手 (10283475)
松尾 啓志 名古屋工業大学, 工学部, 助教授 (00219396)
|
|---|
| 研究期間 (年度) |
1997 – 1998
|
| 研究課題ステータス |
完了 (1998年度)
|
| 配分額 *注記 |
3,300千円 (直接経費: 3,300千円)
1998年度: 900千円 (直接経費: 900千円)
1997年度: 2,400千円 (直接経費: 2,400千円)
|
|---|
| キーワード | ニューラルネットワーク / 感覚統合 / パターン認識 / 階層構造 / 追加学習 / 記号パターン / ブロック構造 / 外来情報 / 内在概念 / 連想 / 多種感覚総合 / 追加記憶 / コラム構造 |
|---|
| 研究概要 |
本研究では人間の脳の持つ多様な情報処理能力を手本とした新しい記憶システムの構築を目指し、逐次追加学習の可能なパターン学習記憶、認識モデルを構築した。
本モデルは入力パターンの局所的な構造を認識するニューロンブロックを階層的に構築し、ボトムアップ処理によってこれら情報を統合、最終的な認識結果を得る。新たなパターンの記憶は外部からの記憶指令に基づいて各ブロックにおいて行われる。このため、記憶しているパターンとは一部だけ異なるような入力パターンを記憶する場合には入力パターンの異なる部位に対応したブロックのみを学習する事で、情報を圧縮して記憶することが可能である。また入力パターンとして複数の外来情報を扱う場合にも、記憶しているパターンと異なる外来情報の部分のみを学習する事で記憶を完了する。このパターン認識モデルの追加学習性能を計算機上のシミュレーションによって検証した。まず、認識モデルに対してアルファベット26文字を模した、分散表現記号パターンを順次認識・学習させ、追加学習が可能である事、また新規パターンを記憶する際にブロック構造を有効に利用して既存のパターンとの差の情報のみを追加学習している事を確認した。また、「へん」と「つくり」から構成される漢字200字を模した分散表現記号パターンを用いた追加学習実験を行ない、これら文字を追加学習可能である事を確認するとともに、「へん」「つくり」に相当する2種類の情報の組合せに対して既存情報との差の情報のみを学習する事で効率の良い学習が可能である事が確認された。以上の結果については電子情報通信学会ニューロコンピューティング研究会(平成11年3月)において発表を行った。
|
