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

基本信息

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

项目摘要

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.

在本研究中，竞争是指多个信息处理元素比较它们的加权输入，只有最合适的元素才能输出，从而更新输入如何添加到自身，即输入权重。多重下降也意味着。成本函数是学习的可取性标准，是多个成本下降图的组合。如果是，请说是。如下。因此，多重下降竞争（competition）算法显然比传统的竞争学习算法拥有更广泛的计算能力。该部分的创建已经完成。换句话说，我们为批量更新类型和批量更新类型创建了多重下降竞争学习算法。顺序更新类型，并表明两者是等价的。但是，从修改的难易程度来看，顺序更新类型更好。所得算法应用于多种问题，展示了其广泛的能力。首先，将其应用于Uridian空间中的旅行商问题，并表现出了良好的性能。例如，USA532资本对于城市集，它仅比真实解长3.747%，并且该算法可以扩展到广义N车辆路径问题，首次找到了良好的近似解。将多重下降竞争学习算法应用于模式信息处理（这是一个传统的应用领域）已经获得了新的成果。例如，它已应用于图像以获得优化的特征图，该特征图被用作外部教师。信号。至于大规模并行分布式处理，我们首次创建了异构并行计算环境共存的模拟器，这是1991年的研究成果。将被接管。