|
本研究では，申請者らが先に開発してPCT出願した独自の深層回路である浸透学習（percolative learning）と呼ぶ階層型神経回路網の学習手法の基礎理論・実現方法，及び社会実装を想定した複数分野への応用について研究を行なった．浸透学習は学習時のみ利用できる入力情報（Aux）を，学習時・運用時の両方で利用できる入力情報（Main）に“浸透”させることで，Mainだけを学習・運用に用いた場合より高精度の認識・分類を実現する手法である．
始めに浸透学習回路を進化計算法で最適化する手法を開発した．浸透学習では，AuxとMainの両方を用いた学習の後で，Auxの情報を削減しながら影響が出ないよう一部の結合荷重を修正するが，その際の方法，Aux，Mainに関わる神経回路網の構造などを最適化することで性能を向上させることがわかっており，そのための最適化手法を開発し，実験により有効性を確認した．
次に，応用例としてまず脳波波，心拍などのバイタルデータをAuxとし，表情動画像をMainとする感性計測問題に適用した．浸透学習の効果をある程度確認することができたが，正解データに個人差があって定量的に性能を評価しづらいことがわかった．そこで，効果を定量的に確認するために，次に時系列予測に適用し，実際のデータに適用してその有効性を確認した．この際，未来の情報をAux，現在までの情報をMaxとして入力することで，未来から過去を予測する式を考慮した予測を実現することによって予測精度が向上されることを確認した．最後に，社会実装を想定し，ある機械装置の試験時のセンサをAux，市販後の機械のセンサをMainとし，Auxのデータに関係した制御を実現できることを確認した．
以上のように，本研究では浸透学習を改良し，複数の問題に適用してその有効性を確認した．
|
