| 研究概要 |
本研究の目的は,生体の行う複数の異種の情報の融合を数理的にモデル化し,得られた異種の情報を有機的に融合するニューラルネットワークの学習モデルを確立し,それを実現する学習アルゴリズムを開発することとその応用を検討することである.初年度である本年度は,「人間の脳が行う情報の融合を数理的にどのようにモデル化するか」を一般的に論ずるのは非常に困難であることが予想されるので,その解決の糸口を見つけるため、次のように研究を進めた.異種の情報が学習データとして与えられた場合、少なくともそれらに内在する関係を考慮した学習が必要となり,それが情報の融合の第1歩と考えられる.そのため,与えられた異種の情報に内在する関係が明示的に与えられるとして学習問題を検討した.
具体的にはまず多層型のニューラルネットワークを対象として検討を始めた.すなわちネットワークの写像能力に着目し,異種の情報に内在する関係が教師データとして与えられるとした場合,これらの関係を学習によりネットワークの写像関係として実現する問題として定式化した.また.この定式化に基づき学習アルゴリズムを開発した.さらに,この学習法を物体の陰影画像からの形状復元問題に応用し,画像の陰影情報だけでなく物体の表面の奥行きや表面勾配の情報が得られる場合それらの情報を融合して,精度良く表面形状を復元する方法を提案した.次に,ニューラルネットワークのダイナミクスの機能を用いる問題に対して情報の融合を実現するため,リカレントニューラルネットワークを対象とした.すなわち,ネットワークのダイナミックスを利用した連想記憶やニューロオシレータなどを,異種の情報を融合した学習により実現するための方法,および情報融合がこれらの実現にどのように有効に作用するかの検討を行った.
|
