| 研究課題/領域番号 |
25730159
|
|---|
| 研究機関 | 徳島大学 |
|---|
研究代表者 |
西出 俊 徳島大学, ソシオテクノサイエンス研究部, 講師 (30613400)
|
|---|
| 研究期間 (年度) |
2013-04-01 – 2016-03-31
|
| キーワード | 再帰神経回路モデル / ロボット / スパース結合 |
|---|
| 研究実績の概要 |
本研究の目的は神経回路モデルの結合をスパース化することによる学習性能の変化を調べ，それをロボットの動作生成に応用することである．モデルとして再帰神経回路モデルの一種であるMultiple Timescales Recurrent Neural Networkを用いている．
前年度までにスパース化の性能について評価した結果，スパース化による多少の学習性能向上の効果は見られたが，自動的にノード間の接続を切断・連結するモデルについては性能向上が確認できなかった．そこで，ランダムの結合を用いたモデルによるロボットの動作生成の性能を評価することにした．
本年度はロボットの動作生成におけるスパース化モデルの性能を調べるため，ロボットの動作に基づく自己身体発見にモデルを応用した．自己身体としてはロボットの腕を用い，他の物体も含まれる環境で予測可能性に基づいて学習過程で自己身体を発見する学習手法を開発した．本実験ではモデルの学習方法も新たに提案し，予測可能性に基づいて学習対象の優先順位を自動的に変更する手法を開発した．本モデルにおいてもランダムにスパース化したネットワークと通常のモデルで学習性能を比較したが，両者の間に差は見られなかった．しかし，自己身体発見のための優先学習アルゴリズムを開発することには成功した．また，実験の結果，提案した学習アルゴリズムによって通常の学習手法より高性能な学習結果が得られることも確認した．
|
| 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
本年度はスパース化結合を用いたロボットの自己身体認識に関する実験を行った．スパース化による性能向上は見られなかったものの，自己身体認識を実現するための学習アルゴリズムを開発することには成功した．当初の予定ではスパース化とロボットへの応用の両方での成果を期待していたが，一方で成果を出すことに成功した．
|
| 今後の研究の推進方策 |
本年度はスパース化モデルのロボットへの応用として自己身体発見への応用に関する実験を行った．今後はロボットの動作生成での性能について評価をしていく予定である．
|
