| 研究課題/領域番号 |
17K00351
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
ソフトコンピューティング
|
|---|
| 研究機関 | 大阪電気通信大学 |
|---|
研究代表者 |
渡邊 俊彦 大阪電気通信大学, 工学部, 教授 (10340639)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2021-03-31
|
| 研究課題ステータス |
完了 (2020年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2019年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2018年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2017年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
|---|
| キーワード | モデリング / ロバスト推定 / コンピュータビジョン / 強化学習 / 三次元計測 / ファジィ集合 / モンテカルロ法 / 三次元復元 / ソフトコンピューティング / ファジィ理論 / 人工知能 / 計測工学 |
|---|
| 研究成果の概要 |
コンピュータビジョンシステムを構成するモデルの高性能化を目的としてモデル化時の残差のファジィ集合による評価に基づくLMedS法およびRANSAC法に強化学習の概念を導入し，強化学習に基づくサンプリングとデータの適切性の学習を同時に行う方法を開発した．この方法ではサンプリング戦略に調整が容易な新しい方法を考案し，また学習初期段階ではサンプリングを行わず学習状況を反映した重み付き推定に基づくモデリングを併用する方法を適用することにより，従来の方法と比較して外れ値ノイズが多いデータに対してもモデル化精度だけでなく，そのバラツキ及び計算速度が大幅に改善されることをモデリング実験により確認した．
|
| 研究成果の学術的意義や社会的意義 |
ノイズが多く含まれるデータからモデルを構成するロバスト推定において，強化学習の概念を導入して効率的なサンプリングと高いモデル精度のモデルを推定する方法は従来にない新しい方法であり，なおかつ性能のバラツキがみられた学習初期における精度の改善方法は極めて有効であると言える．また，本方法は光学ノイズ等が多く含まれるコンピュータビジョンシステムのモデリングだけでなく，産業上の課題として多数存在するモデリング問題に広く適用できるという特徴がある．特性上計測データにノイズが多く含まれるプロセス制御モデルの高精度化などの制御問題への適用が特に有望であると思われる．
|
