| 研究課題/領域番号 |
25330300
|
|---|
| 研究種目 |
基盤研究(C)
|
| 研究機関 | 一般財団法人ファジィシステム研究所 |
|---|
研究代表者 |
福島 邦彦 一般財団法人ファジィシステム研究所, 研究部, 特別研究員 (90218909)
|
|---|
| 研究期間 (年度) |
2013-04-01 – 2018-03-31
|
| キーワード | 視覚パターン認識 / 視覚情報処理 / 多層神経回路 / ネオコグニトロン / 自己組織化 / 学習手法 / 内挿ベクトル法 / add-if-silent則 |
|---|
| 研究概要 |
視覚パターン認識能力を持つ多層神経回路「ネオコグニトロン」の学習手法の改良に重点を置いて研究を進めた．研究の対象としたのは，以下のような構造と機能を持つネオコグニトロンである．多層回路の中間段の学習には，教師なし学習によって特徴抽出細胞を自己組織的に形成させる．最上位段では，中間段で抽出した特徴をもとに「内挿ベクトル法」によってパターン識別を行なう．
最上位段の学習時には，学習パターンを一つ与えるごとに内挿ベクトル法によってパターン識別をさせてみる．識別結果に誤りがあるか，あるいは，学習ベクトル（すなわち，学習パターンに対する前段の細胞の反応をベクトル表示したもの）と内挿ベクトルとの類似度が一定の閾値以下であれば，新しい細胞を自動形成させる学習方式を提唱した．類似度が閾値以下であることは，この識別結果の信頼性が高くないことを意味しているので，その学習パターンを更に追加して学習させることによって，誤認識を防ぐのである．学習時に，このような閾値を新しく導入することによって，認識率を大幅に向上させることに成功した．
また，中間段に対する新しい学習手法の開発にも着手した．これまで用いてきたadd-if-silent則による学習時に，負のフィードバック信号を導入することによって，高い認識率を小さい回路規模で実現できることを，手書き文字認識を対象にした予備実験によって示した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
視覚パターン認識能力を持つネオコグニトロンの学習手法を改良して，多層神経回路の最上位段の内挿ベクトル法による学習に閾値を導入することによって，認識誤差を大幅に減少させることに成功した．この手法の有効性を示すシミュレーション実験はネオコグニトロンを用いて行なったが，これは，ネオコグニトロンに限らずパターン認識システム全般に適用可能な手法である．
また，中間段の学習に用いる教師なし学習則add-if-silentに，負のフィードバックを組み合わせることによって，回路の自己組織化が効率的に進むことを，手書き文字認識を対象にした予備実験で確かめた．今後さらに多くの条件での実験を行なう必要があるが，この考え方をもとにしてさらに研究を進めるための手がかりをつかむことに成功した．
|
| 今後の研究の推進方策 |
ネオコグニトロンの中間段の学習にこれまで用いてきたadd-if-silent則の改良に取り組む．中間段では，学習パターンに対してすべての特徴抽出細胞が無反応であった場合には，新しい特徴抽出細胞を回路内に発生させることによって，回路を形成していく．add-if-silent則では，一旦形成された細胞の入力結合は，その後はどのような学習パターンが与えられても変化させない．
ネオコグニトロンは convolutional network であるので，add-if-silent則で新しい特徴抽出細胞を回路内に発生させる場合に，網膜上のどの位置に存在する特徴を学習させるべきかが問題になる．そこで，学習させるべき細胞層から，その前段の細胞層に対して負のフィードバック信号を送り，すでに抽出に成功している特徴を抑制することによって，まだ抽出できていない特徴だけを浮かび上がらせる．このようにして浮かび上がった位置に存在する特徴を学習させる．フィードバック信号の導入が有効であることは，これまでに行なった予備実験によって予測されているので，より詳細な実験を進め，学習則をさらに改良していく．
以上の研究を土台として，従来よりも更に高い認識率を更に小さい回路規模で実現することのできる多層神経回路の設計原理の確立に向けて研究を進める．
|
| 次年度の研究費の使用計画 |
ノートパソコンを購入する予定であったが，新しいOS（Windows 8.1）が発表されたばかりで，希望する性能を持ち，かつ予算残額で購入できる製品が年度内に発売されなかった．
希望する性能のノートパソコンが発売された時点で，なるべく早く購入する予定である．
|
