| 研究概要 |
自己形成システムは,観測データに基づいて自動的に構築あるいは改変されるシステムである.まず,非数量現象を対象として.ルールセット型のシステムモデルを用いて,データに含まれる変化を検出する手法を開発した.また,ニューラルネットワークの入力を自動選定して適切な入力ノードのみを持つネットワークを構成する手法,および,入力部にゲートを持ち,より明示的に抽象概念を表現できるニューラルネットワークとその自己形成手法を開発した.さらに,ニューラルネットワークの学習のみならず,創造的な新機能の獲得に向けた新しい機能の探索も可能な最適化法を考案した.
また,自己形成システムのより一般的な表現手段として,システムを記述する変数が離散値をとる離散(事象)系に対して,オートマトン学習ネットワークと呼ぶネットワーク型の枠組みを提案した.これは学習によって自己を構成・改変する能力を持っており,このための効率的な学習の方法も考案した.また,連続系に対して開発した一般化学習ネットワークの接続構造の自動決定法も開発している.
自己形成システムの目的は,状況の変化に対応して,自己を変化させることによって良好な制御を行うシステムを開発することである.そこで,一般化学習ネットワークの枠組みを用いて,クレーンの制御を例題とし,荷の重量,荷の初期位置や目標位置,システムに加わる外乱などが変化した場合においても良好な制御を行うロバスト制御系を開発した.
|
