多重降下競合学習と超並列分散処理

多重下降竞争学习和大规模并行分布式处理

基本信息

批准号：
04246206
负责人：
松山泰男
金额：
$ 0.58万
依托单位：
Ibaraki University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
财政年份：
1992
资助国家：
日本
起止时间：
1992 至无数据
项目状态：
已结题

项目摘要

本研究においては,競合学習の能力を拡張することと,その超並列分散処理による計算方式をテーマとしている.本年度においては,前年度までの準備を用いて,次のような大きな進展があった.(i)多重降下競合学習アルゴリズムによる静止画像処理(ii)多重降下競合学習と強制情報との結合を用いた静止画像からの動画像生成(iii)競合学習における評価規範の一般化と結合パラメータの動的制御項目(i)においては,まずレベルの異なる2種類の特徴マップを生成する画像圧縮方式を開発した.この方式においては,31dB/pelの性能が得られる.そして,このとき生成された特徴マップは,項目(ii)の動画生成に用いることができる.すなわち,静止画像から得られた特徴マップに外部情報を加えることによりこれを変形し,その結果,変形された再生画像が得られる.さらに,特徴マップの変形過程を時間的に補間してそれぞれの特徴マップにニューラル重み(画像の標準パターン)を埋め込めば,動画像の各コマができあがる.そして,それをマルチメディアコンピュータにより表示すれば動画像となる.この方式の意義は,「動画像を1枚の静止画像から生成できること」と「高能率な情報圧縮が同時に行われること」の2点にある.(iii)の評価規範の一般化については,ほとんどの競合学習を含む方式を確立できた.このとき,評価規範中の部分コストを自律的に調節して良い学習結果を得る方式も確立できている.これは超並列分散処理が可能な計算学習方式となっている.本研究は,以上のような多くの成果を得て終了した.

本研究的主题是利用大规模并行分布式处理来扩展竞争学习及其计算方法的能力。今年，在前一年所做的准备的基础上，取得了以下主要进展（i）使用多个静态图像处理。下降竞争学习算法 (ii) 使用多重下降竞争学习和强制信息组合从静止图像生成视频 (iii) 竞争学习中的评估关于规范的泛化和关节参数的动态控制（i），我们首先开发了一种图像压缩方法，该方法生成两种不同级别的特征图。该方法实现了 31 dB/pel 的性能。这次可以用于第(ii)项中的视频生成。换句话说，可以将外部信息添加到从静止图像获得的特征图中。通过对其进行变形，结果，获得变形的再现图像。此外，如果在时间上对特征图的变形过程进行插值并且将神经权重（图像的标准模式）嵌入到每个特征图中，则视频的每一帧创建图像，当在多媒体计算机上显示时，它就变成运动图像。该方法的意义在于可以从单个静止图像生成运动图像。 “同时进行高效的信息压缩”。关于（iii）评估规范的泛化，我们能够建立一种包含大部分竞争学习的方法。我们还建立了一种获得良好结果的方法。通过自主调整部分成本学习成果该项目已完成并取得成果。