| 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,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,およびその応用を検討することである.本年度は,昨年度に引き続いて「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,またそのモデルをどのように学習問題として実現するか」の問題を解決するために,次のように研究を進めた.
多層型のニューラルネットワークを対して前年度得られた成果を,リカレントニューラルネットワークへ発展させた.すなわち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場合,これらの関係を実現するための学習法をリカレントニューラルネットワークに対して開発した.また,教師データが直接与えられない場合に対処するため,対象のモデルを学習ループに内包して学習する方法を考え,それを実現する学習アルゴリズムを開発した.また,開発した学習法をロボットビジョンにおける物体の陰影画像からの形状復元間題に応用し,従来困難とされていた中心投影系における形状復元を実現するための学習法を開発した.
さらに,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,情報の融合を実現のための基礎的な検討として,リカレントニューラルネットワークを対象し次のような検討を行った.最近,信号処理などの分野で注目を集めている複素ニューラルネットワークに対し,エネルギー関数の存在条件を検討し,またその条件を用いて連想記憶記憶を実現しそのダイナミックスを解析した.この解析は,実数信号にはない複素信号の特徴である振幅と位相の情報が,ネットワークのダイナミックスによりどのように情報融合されるかを検討する基礎となるものである.
|
