| 研究課題/領域番号 |
13680453
|
|---|
| 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 |
知能情報学
|
|---|
| 研究機関 | 九州工業大学 |
|---|
研究代表者 |
章 宏 九州工業大学, 大学院・生命体工学研究科, 助手 (30235709)
|
|---|
| 研究分担者 |
石川 眞澄 (石川 真澄) 九州工業大学, 大学院・生命体工学研究科, 教授 (60222973)
|
|---|
| 研究期間 (年度) |
2001 – 2003
|
| 研究課題ステータス |
完了 (2003年度)
|
| 配分額 *注記 |
3,500千円 (直接経費: 3,500千円)
2003年度: 600千円 (直接経費: 600千円)
2002年度: 700千円 (直接経費: 700千円)
2001年度: 2,200千円 (直接経費: 2,200千円)
|
|---|
| キーワード | 逆最適化 / 2点到達運動 / 離散時間2次形制約 / 時系列データ解釈 / 離散時間2次形制約条件 / ニューラルネットワーク / 学習 / 二次形制約 / 時系列データ解析 |
|---|
| 研究概要 |
この研究では、逆最適化に関する最適性条件を表現するニューラルネットワーク構造を提案し、2点到達運動の時系列データに内在する意思決定者の評価基準を見出すために、実データを用いて様々な解釈方法を確立した。その中で離散時間2次形制約条件の生成法により、所与の時系列データの時空間特徴を表現可能な数値モデルを獲得することができた。数値モデルの生成には、時系列データに運動指令のノイズが含まれているため、時間ステップ上のバラツキが生じる。この影響を抑えるため各時系列データに対して平均データ長に合わせてデータ補間を行う必要がある。従って、得られた数値モデルを逆最適化問題を解く際の制約条件として用いる。時系列データに対して離散化した静的逆最適化問題の解法を適用することによりそれを最適とする評価関数を推定することを確認した。このことは、ニューラルネットワークの学習を通じて2点到達運動の時系列データを最適とする評価関数を推定できる。これにより、腕のキネマディックな特徴を解釈する各規範モデルに対して分析可能であると判明した。ただし、離散化した静的逆最適化問題の解法と動的逆最適化問題の解法との相違点については、さらに検討する必要がある。
|
