|
一般化自己組織化マップについて、理論・応用・発展・実装の3つの方向性で研究を実施し、以下の研究成果が得られた。
1.理論的研究 理論面での研究成果は、SOM2、SOM3、...と続く高階の自己組織化写像アルゴリズムを発見し、理論的側面がわかってきたことである。ホモトピー・ファイバー束と関連で理論的解明に取り組み、またテンソルによるアルゴリズム記述ができた。このような学習理論はまったく新しいものである。また高階自己組織化写像の学習アルゴリズムがn重推定問題になっていること、その推定順序を入れ替えることで計算量が大きく削減できることも見出し、実用性が高まった。
2.応用的研究 高階自己組織化写像をパターン認識へ応用した。特に視覚画像をドットの分布とみなして、ドット分布形状から識別を行う「ドット分布表現」を提案し、手書き文字認識や顔画像識別に応用した、さらに線分角度や色などの高次の情報を持つ高次ドット分布表現も開発した。これらは人間のアテンションとの関連もあり、視覚画像認識の新しいアプローチである。
3.発展的研究 高階自己組織化マップを自律移動ロボットに応用し、ロボットの内部に外界の内部モデルを自己組織的に生成することに取り組んだ。今回は空間の内部モデル生成に取り組み、局所的には連続、大域的には離散的グラフ構造を持つ内部モデル獲得に成功した。また自己進化的に記憶を増やしていく高階自己組織化アルゴリズムを開発して内部モデル獲得に応用した。
4.実装に関する研究 SOM2を実用的システムに組み込むことを目指して、VLSI実装の研究を実施した。アルゴリズムをハードウェア化し、Field Programmable Gate array (FPGA) にSOM2を実装することに成功した。
|
