研究概要 |
本年度は本研究のまとめの年度であり,当初の研究目的は以下のように達成された. 1.効率的な逐次的学習方法の構成と解析 競合連想ネットワークを構成するユニット数が非常に多いときの最適性の条件として,漸近最竈条件を導出すことに成功し,逐次的学習方法の構築とその性能評価を行った.従来のBPN(Back-Propagation net), RBFN(Radial Basis Function Net), SVR(Support Vector Regression)と比較し,この学習法の関数近似性能の高さを示すことができた.この結果は,研究発表雑誌論文「Asymptotic optimality of competitive associative nets for their learning in function approximation」,および「競合連想ネットの漸近最適性と非線形関数の逐次学習への応用」にまとめ,発表した. 2.モデル切り替え型適応制御への応用 上記の漸近最適性をより簡素化・高速化した漸近最小化条件を導出し,シリコンウエハの洗浄液(RCA洗浄液)の温度制御に応用した.実際のRCA洗浄システムでの実験は危険が伴うと同時に,環境温度や動作条件を同一にすることが難しく,再現性のある制御性能結果を得ることが難しい.そこで洗浄システムを計算機で模擬するプラントシミュレータを昨年度までに関発し,それを用いた性能評価も行った,この結果を研究発表雑誌論文「Asymptotic minimization of the approximation error of competitive associative nets and its application to temperature control of RCA cleaning solutions」にまとめ,発表した.
|