多重降下競争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

• 批准号: 02255203
• 负责人: 松山 泰男
• 金额: $ 0.64万
• 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: 1990
• 资助国家: 日本
• 起止时间: 1990 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-02255203/
• 关键词: 競合学習; ニュ-ロコンピュテ-ション; 超並列分散処理; 多重降下コスト; 二重並列性; 巡回セ-ルスマン問題; 特徴地図; 組み合せ最適化; 競合学習; ニュ-ロコンピュテ-ション; 超並列分散処理; 多重降下コスト; 二重並列性; 巡回セ-ルスマン問題; 特徴地図; 組み合せ最適化

本研究における競争(competition,競合)とは,複数個の情報処理エレメンとが,それぞれへの重み付き入力を比べ合い,最も適切なエレメントのみが出力をだせる方式をいう.この最優位ニュ-ロンは,自分自身への入力の加わり方,すなわち,入力重みを更新することができる.また,多重降下とは,学習の望ましさの規範であるコスト関数が,複数のコスト降下写像の合成になっている場合いをいう.従って,多重降下競争(競合)アルゴリズムは,明らかに従来の競合学習アルゴリズムよりも,計算論的に広範な能力を有している.平成2年度においては,多重降下競合学習アルゴリズムの骨格となるべき部分の作成を完了できている.ななわち,一括更新型と逐次更新型の両方に対して多重降下競合学習アルゴリズムを作成し,両者が対等であることを示した.ただし,変形のしやすさという立場からは,逐次更新型の方が扱いやすい.得られたアルゴリズムはその能力の広範さを示すために,いろいろな問題に適用された.まず,ユ-リッド空間における巡回セ-ルスマン問題に適用され良好な性能を発揮した.例えば,USA532都市セットについては,真の解よりも3.747%長いだけである.さらにこのアルゴリズムは,一般化されたN台の運搬車経路問題にまで拡張が可能であり,この場合の良好な近似解が初めて得られた.競合学習本来の適用分野であるパタ-ン情報処理に対しても,多重降下競合学習アリゴリズムを適用して,新たな結果を得ている.例えば,画像に適用して,最適化された特徴地図を得ている.この特徴地図を外部の教師信号で操作することにより,人間の表情の変形を得ている.超並列分散処理については,異質な並列性を共存させた計算環境を,エミュレ-タとして初めて作成し,これは平成3年度の研究に引き継がれることになる.

这项研究中的竞争是指在其中多个信息处理元件将加权输入与每个信息进行比较的方法，并且只有最合适的元素才会产生输出。这最主要的神经元可以更新输入权重，即输入权重。此外，多个下降是指成本函数（这是学习可取性的常态）的情况，是多个成本下降图的组合。多重下降竞争（竞争性）算法显然比传统的竞争学习算法具有更多的计算能力。在1990年，建立了应该成为多个血统竞争学习算法的骨干的零件。换句话说，为批量更新类型和顺序更新类型创建了多种血统竞争学习算法，并表明两者相等。但是，从易于转换的角度来看，顺序更新类型得到了更好的处理。将获得的算法应用于各种问题，以证明各种能力范围。首先，将其应用于尿液空间中的环状推销员问题，并表现出色。例如，对于USA532 City套装，它仅比真正的解决方案长3.747％。此外，该算法可以扩展到广义的N载体路线问题，在这种情况下，首次获得了良好的近似解决方案。多重下降竞争性学习算法也应用于模式信息处理，这是竞争性学习的原始应用领域，并获得了新的结​​果。例如，通过将其应用于图像，可以获得优化的特征映射。通过用外部教师信号操纵此特征图，可以获得人面部表情的转换。对于大规模平行的分布处理过程，在1991年将其作为模拟器共存的一个计算环境是作为模拟器共存的，并将其传递给研究。