| 研究課題/領域番号 |
15500139
|
|---|
| 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 |
感性情報学・ソフトコンピューティング
|
|---|
| 研究機関 | 九州工業大学 |
|---|
研究代表者 |
安井 湘三 九州工業大学, 大学院・生命体工学研究科, 教授 (50132741)
|
|---|
| 研究分担者 |
古川 徹生 九州工業大学, 大学院・生命体工学研究科, 助教授 (50219101)
|
|---|
| 研究期間 (年度) |
2003 – 2004
|
| 研究課題ステータス |
完了 (2004年度)
|
| 配分額 *注記 |
2,600千円 (直接経費: 2,600千円)
2004年度: 1,000千円 (直接経費: 1,000千円)
2003年度: 1,600千円 (直接経費: 1,600千円)
|
|---|
| キーワード | 刈り込み / アナロジー / ICA / 内部モデル / 結合 / 統合 / 一般化能力 / 抽象化 / 独立成分分析 / オートエンコーダ / SOM |
|---|
| 研究概要 |
ニューラルネット(NN)工学で周知の「刈り込み」による淘汰原理は、自然脳の機能究明のためにも、結合・統合や内部モデル生成との関係で重視する必要がある。この具体化が本研究全体に共通する目的である。安井のCSDFと呼ぶアルゴリズムを軸に、以下に取り組んだ。
(1)アナロジー学習・類推用ニューラルネットワーク
アナロジーによる理解や発想は、分析や論理を伴わず瞬時的であることが多く、脳機能の何かを反映している。NNによる従来の試みはAI的に硬直した処理形態を残し、「組み合せ爆発」の問題をかかえながら中途半端に終わっている。我々は本格的なアナロジー学習NNを開発した。この鍵となるのは、「CSDF刈り込み」で、これにより抽象化内部モデルが自律形成され、それはアナロジー記憶として新規データに対しての選択的アトラクターとして柔軟に働く。本テーマは、複数アナロジーや無関係データを含むDBを対象にした発展研究であり、抽象化モデルや記憶アクセス・照合を包含した結合・統合の脳モデルの例として一定の成功を収めたと考える。
(2)独立成分分析(ICA)用オートエンコーダ・ニューラルネット
我々のICA方式は、砂時計型NNにCSDF刈り込み機構を施したもので、他法とは異質の非情報理論的、非恣意的なアプローチである。刈り込みに生き残った非線形隠れ素子で源信号が自動再生される。外界における信号の混合状況は内部モデルとしてデコーダ部に自律生成される。次の観点より本方式の発展的応用を概ね成功裏に行った。◆ロバスト性/適応性(センサ突然故障、源信号突然増加)◆時変混合◆コンボリューション混合。
(3)SOMにおける「刈り込み」の試み
SOMを一般化した「mnSOM」というものを我々は最近提案したが、そこでの競合学習にCSDF刈り込みを用いることを考えた。この部分の実績は未だ出ていない。
|
