| 研究概要 |
モデル化技術及び学習方式については,次の新しい方式・理論を開発した.
・ネットワークのブランチ間にスイッチング機構を設け,通常の二乗誤差評価関数に冗長なブランチを削除するための拡張評価項目を付加したトータルな評価関数を構成し,これを最小化する学習をおこなうことで冗長性のないコンパクトなネットワーク構成を実現し,優れた表現能力と汎化能力を合わせもつシステムを構成するモデル化方式.
・従来のニューラルネットワークでは取り扱うことが困難な確率信号の伝播を取り扱う確率一般化学習ネットワーク理論.
・連続信号を取り扱うニューラルネットワークでは取り扱い困難な離散事象システムをモデル化するための
-確定信号を対象とするオートマトン学習ネットワーク理論.
-確率分布および可能性分布の伝播を取り扱うオートマトン学習ネットワーク理論.
・入力に入力信号の伝達を制御するゲートを備え,状況に応じた入力の要不要を学習から把握し,高い汎化能力を持つ入力ゲート付きニューラルネットワーク.
インテリジェント制御技術については,一般化学習ネットワークの高次微分計算機能を生かした次の新しい方式を開発した.
・二乗誤差等の制御目標を表現する通常の評価関数に,システム環境が変化した場合のシステムに対する影響を抑制するための拡張評価項目を付加したトータルな評価関数を構成し,これを最小化する学習を行うことで,システム環境が変化しても制御性能を維持するロバスト制御方式.
・システム環境変化のシステムへの影響を抑制するばかりでなく,望ましい環境変化にたいしては影響を活性化する活性化制御方式.
|
