非単調神経回路網による連続的時系列パターンの認識

使用非单调神经网络识别连续时间序列模式

基本信息

批准号：
09780310
负责人：
森田昌彦
金额：
$ 1.28万
依托单位：
University of Tsukuba
依托单位国家：
日本
项目类别：
Grant-in-Aid for Encouragement of Young Scientists (A)
财政年份：
1997
资助国家：
日本
起止时间：
1997 至 1998
项目状态：
已结题

项目摘要

非単調神経回路網は簡単な学習アルゴリズムによって,その状態空間に軌道アトラクタを形成することができる.本研究の目的は,このような性質を利用して,連続的に変化する時系列パターンを空間パターンに展開することなく認識するモデルを構成することである.昨年度の研究では,比較的単純な時系列パターンの認識過程を解析し,中間部(隠れ素子)と学習信号生成回路を導入することによって,より複雑な時系列パターンを認識できるモデルを構築した.この結果を踏まえ,今年度は以下の研究を行った.まず,計算機上で条件を変えつつシミュレーション実験を大規模に行い,モデルの構造(各部の素子数)と認識能力との関係を調べた.また,中間部の動作を解析し,認識の失敗がどのような状況で起こるかを明らかにした.その結果,系列情報をどのようなパターンにコードするかという情報表現の重要性が浮かび上がったが,この問題についての詳しい検討は今後の課題である.また,双方向型構造であるというこのモデルの特徴を生かし,出力部に与えた単純なパターンから,複雑な時系列パターンを入力部に再生するという,逆方向のパターン変換に関する研究を行った.その結果,認識を目的として学習した回路網であっても,逆方向の再生がある程度可能であることがわかった.但し,この場合,出力部にパターンを与えるだけでなく,入力部に系列の先頭部分を与える必要があった.この問題を解決するためには,やはり情報表現についての再検討が必要である.以上のように,新しい原理に基づく時系列パターン認識の神経回路モデルを構成するという所期の目的が達せられただけでなく,パターンの認識と発生,すなわちボトムアップ及びトップダウンの情報処理を統合するモデルへの発展性が示された.

非单调神经网络可以使用简单的学习算法在其状态空间中形成轨迹吸引子，其目标是构建识别模型而不将其扩展为模式。在去年的研究中，我们分析了相对简单的时间序列的识别过程。模式并介绍了中间部分（隐藏元件）和学习信号生成电路。基于这些结果，我们在本财年进行了以下研究：首先，我们在计算机上改变条件进行了大规模模拟实验，以确定模型的结构（我们调查了每个部分的元素数量之间的关系）。我们还分析了中间部分的行为，并阐明了发生识别失败的情况，结果发现，信息表达的重要性，无论是否编码成模式。虽然必要性已经出现，但对这个问题的详细研究是未来的主题。此外，通过利用该模型的双向结构特征，可以将提供给输出部分的简单模式转换为我们对反向模式转换进行了研究，其中将序列模式回放到输入部分。结果，我们发现即使使用用于识别目的的电路网络，也会进行反向回放。方向在某种程度上是可能的，但是，在这种情况下，输出。不仅需要给部分赋予模式，还需要给输入部分赋予序列的开始部分。要解决这个问题，需要重新考虑信息表示。如上所述，新的不仅其预期目的是基于已实现的原理构建用于时间序列模式识别的神经电路模型，但它也被证明可以扩展到集成模式识别和生成的模型，即自下而上和自上而下的模型显示了向下的信息处理。