| 研究課題/領域番号 |
02452180
|
|---|
| 研究種目 |
一般研究(B)
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
計測・制御工学
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
山本 裕 京都大学, 工学部, 助教授 (70115963)
|
|---|
| 研究分担者 |
松本 豊 京都大学, 工学部, 助手 (40239124)
渡部 広一 京都大学, 工学部, 助手 (90201251)
沖野 教郎 京都大学, 工学部, 教授 (30001093)
|
|---|
| 研究期間 (年度) |
1990 – 1992
|
| キーワード | ニューラルネットワーク / フィードバックシステム / 学習安定性 / 複合ネットワーク / システム理論 / 安定性解析 |
|---|
| 研究概要 |
本研究計画に於て実施された研究は、おおよそ一般的な学習制御系に関するものと、システム理論的観点からのニューラルネットワークの学習に関するものに大別される。もちろんこの両者は相互に密接に関連しあっている。
まず学習制御系の一般論としては、周波数領域での安定条件、プラント変動が存在するときのロバスト安定条件などが与えられた。これにより、修正繰返し制御系などの学習制御系に対しても、ロバスト安定性などが従来と同様の手法で解析できることが明らかとなった。
またこれと関連して、ニューラルネットワークの学習、およびその制御システムへの応用に関しても、非組織化メモリと相互結合係数のパラメータ空間における最適化という観点から統一的にとらえることを可能とした。これには後述する複合型ネットワークの観点が重要な鍵となった。
ニューラルネットワークの学習に関する研究では、ネットワークをダイナミカルシステムととらえることにより、1)フィードバック結合を有する一般的な系に対するバックプロパゲーション型の学習則の導出、2)そのパタン認識問題への適用、3)さらにそれを一般化した複合型と呼ぶネットワークの学習則、4)共役匂配法などより高速の学習則の適用などを行ない、それぞれに有効性を実証した。ことに複合型ネットワークは1)大規模なネットワークの構成においてその部分ごとの学習を容易にする、2)教師信号が直接に得られない問題でも適用を可能にする、などの特徴があり、これからの発展がさらの期待される。
しかしながら一方では、系の非線形性にはばまれ、より理論的な解析が困難な面も明らかとなった。この課題の克服は今後の大きな課題であろう。
|
