| 研究課題/領域番号 |
13680463
|
|---|
| 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 | 東海大学 |
|---|
研究代表者 |
上村 龍太郎 東海大学, 総合情報センター, 教授 (80176643)
|
|---|
| 研究分担者 |
内田 理 東海大学, 電子情報学部, 講師 (50329306)
上村 妙子 専修大学, 文学部, 教授 (30205926)
中西 祥八郎 東海大学, 電子情報学部, 教授 (30056254)
|
|---|
| 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 |
3,600千円 (直接経費: 3,600千円)
2003年度: 900千円 (直接経費: 900千円)
2002年度: 1,000千円 (直接経費: 1,000千円)
2001年度: 1,700千円 (直接経費: 1,700千円)
|
|---|
| キーワード | ニューラルネットワーク / 教師なし学習法 / 教師有り学習法 / 情報量最大化法 / 誤差伝播法 / Radial-basis function / コスト / 競合学習 / 情報量 / 情報量最大化 / 教師付き学習 / 教師なし学習 / 特徴抽出 / 特徴発見 / 汎化能力 / 情報理論 / 自己組織化マップ / 言語習得 / 授受動詞 / 自然言語処理 |
|---|
| 研究概要 |
本研究では、人間の知能を模倣する新しい計算モデルを提案し、実際に言語習得過程のシミュレーションに応用しながらモデルの妥当性を探求した。最終的には、新しい知能、思考、認知の新しいパラダイムを創造することを目指して、研究を行なった。
技術的な側面から見れば、本研究は、これまでの教師無し学習(unsupervised learning)の代表である競合学習(competitive learning)の新しい枠組みを提案するものである。新しい方法は、不必要な情報が存在する入力パターンにおいても適切な形で規則性を発見できる可能性をもっている。
平成15年度は、新たにコストの概念を導入し、教師なし学習から教師有り学習へと拡張する試みをおこなった。また、教師指導学習法と情報量最大化と最小化の融合をより容易にする方法を提案した。
まず、新たに情報量のコストという概念を導入した。コストは、コネクションと入力パターンの間の差として定義し、このコストを小さくしながら、情報量を最大化していく方法を考案した。このコストの導入によって、より入力パターンを忠実に反映することが可能となった。
次に、教師有り学習への拡張である。情報量最大化法は、基本的には、教師なし学習法であり、教師情報を考慮することができない。そこで、多層型ネットワークを用い、誤差を最小化する層を追加することによって教師情報を扱うことができるような工夫を行なった。この方法は、radial-basis functionネットワークとかなり類似しており、radial-basis functionネットワークの拡張と考えることができる。
第3に、教師指導学習法(Teacher-directed learning)の改善である。この方法は、誤差伝播を用いない新しい教師付き学習である。この方法では、訓練パターンと教師パターンについての情報量が最大化される。これまで、シグモイド関数を活性化関数として用いてきた。しかし、問題によっては、情報量最大化が不可能な場合が存在した。この問題を、ガウス関数を用いることによって、解決した。
最後に、情報最大化と最小化の融合(Unification of information maximization and minimization)情報量を最大化するのと同様に最小化も行なえる方法を提案してきたが、これまで融合が困難であった。融合を可能とする方法を提案し、実験によってその妥当性を確かめてきた。
|
