2008 Fiscal Year Annual Research Report
自己増殖型ニューラルネットの拡張とその認知発達ロボティクスへの応用に関する研究
| Project/Area Number |
07F07076
|
|---|
| Research Institution | Tokyo Institute of Technology |
|---|
Principal Investigator |
長谷川 修 Tokyo Institute of Technology, 大学院・理工学研究科, 准教授
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
申 富饒 東京工業大学, 大学院・理工学研究科, 外国人特別研究員
|
|---|
| Keywords | 自己増殖 / ニューラルネットワーク / 追加学習 / 教師あり学習 / 準教師あり学習 / 能動学習 |
|---|
| Research Abstract |
(1)SOINNの教師あり学習の枠組みへの拡張とそのパターン認識への応用
パターン認識の問題では各クラスのパターンに教師ラベルが与えられる場合があるが、本研究ではSOINNをそうした教師あり学習問題にも適用可能なように拡張する。本研究によれば、ノイズに強く、計算が軽く、多クラスに対応可能で高精度な上、追加学習も可能、といった教師あり学習器が実現できる。こうした学習器は世界的に見ても他に例がなく、学術的に興味深いだけでなく実利用性も極めて高い。この手法の結果を2005年にIEEE Trans.Pattern Analysis and Machine Intelligence(PAMI)に掲載された従来型(学習に膨大な時間がかかり追加学習が不可能)のプロトタイプベースの学習・認識手法と比較したところ、認識精度、情報圧縮率ともに我々の手法の方が優れることがわかっている。
(2)SOINNの発展としてのオンライン準教師あり能動学習手法の構築とその認知発達ロボティクスへの応用
SOINNては教師なし学習法であるが、SOINNが形成するクラスタのトポロジに「重み」の概念を導入することにより、SOINNを発展させたオンラインの準教師あり能動学習手法を構築する。この手法は計算が軽いほか、耐ノイズ性や追加学習可能性といったSOINNの有用な性質を全て受け継いでおり、世界的に見て他に類を見ない。また性能的にも、実験の結果、2005年のニューラルネットワーク研究分野では最高レベルの国際会議、Neural Information Processing Systems(NIPS)にて報告された従来型(学習に膨大な時間がかかり追加学習が不可能)の準教師あり能動学習手法に匹敵する認識精度が得られることが分かっている。
|
Research Products
(2 results)
