|
本研究では再帰結合神経回路モデルの一つであるMultiple Timescales Recurrent Neural Network(MTRNN)を用いたロボットの行動学習について研究を進めた．特にスパースなモデルを用いた学習効率について評価をした．
本年度は特にモデルの学習性能に注目し，学習対象の予測可能性に応じて学習優先度を自動的に付与することで学習効率を向上することを目指した．優先度の付与にはソフトマックス関数を用い，学習誤差の減少度合に応じて優先度を変更する手法を提案した．本手法では学習を促進させること（学習誤差を減少させること）に大きく寄与する対象に大きい優先度が付与される．実験ではロボットの腕動作と人間の腕動作を同時に学習した．ロボットの腕動作は関節角指令から予測がしやすく，人間の腕動作は予測が困難である．実験の結果，ロボットの腕動作に高い優先度が付与されている時は通常の誤差逆伝播法よりも低い学習誤差が得られることを確認した．また，本手法はモデルのニューロン数が多い時に特に有用であることを確認した．
研究期間全体を通じて，本手法はMTRNNによる効率的なロボットの行動学習を目標とした．スパース結合によって若干の学習性能向上が実現でき，また優先度による学習によって通常の学習手法よりも誤差が小さい学習結果が得られることも確認した．学習過程でニューロン間の接続を自動的に切断・接続することで最適なネットワークを得ることは今後の課題として残されている．
|
