| 研究概要 |
WSI上に実装した神経回路網を実現するために必要となる自律的な故障補償法として,提案している部分再学習法の評価とVHDLによるハードウェアの設計の準備を進めた.はじめに,部分再学習法を実現する上で必要となる,適切な初期重みの獲得方法についてシミュレーションを行った.部分再学習法は,故障の影響を受ける一部分だけの重みを調整することで故障を隠蔽するため,ある入力を分類するのに必要不可欠な中間ニューロンが初期学習により生成されると,故障補償が困難となる.これを回避するため,耐最悪故障化学習法を適用してある学習パターンの分類を複数の中間ニューロンが分担することを試みた.通常の誤差逆伝搬学習法を比較対象とし,これらの初期学習を適用した後にリンクの断線故障を挿入し,部分再学習法により故障補償を行った.対象問題は入力ニューロン2,中間ニューロン4,出力ニューロン1を用いるXOR問題としたところ,耐最悪故障化学習法では学習が収束しない場合が多く,初期学習法としては不適であることが明らかとなった.この結果は電子情報通信学会の研究会にて,近く発表する予定である.
VHDLによるハードウェア設計については,設計用コンピュータと最新のシミュレーションツールを導入し,ニューロンのforward pass部分の実装を始めている.
これらのほかに,コンピュータ上でのシミュレーションを高速に行うため,並列シミュレーション環境の構築も行った.複数のコンピュータに対してシミュレーションジョブを効率よく割り当てるジョブスケジューリングアルゴリズムを考案して評価を行った.従来のジョブスケジューリング法に比べ,最大で約50%の処理時間の短縮が可能であることを示し,情報処理学会等で発表を行った.
|
