非線形振動子を用いたニューラルネットワークの解析と応用

非线性振子神经网络的分析与应用

基本信息

批准号：
08233104
负责人：
西川郁子
金额：
$ 1.41万
依托单位：
Ritsumeikan 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：
1996
资助国家：
日本
起止时间：
1996 至无数据
项目状态：
已结题

项目摘要

理論的に解析可能な位相振動子モデルを用いて、振動子ニューロンの得失を評価した。1.発火タイミングを考慮した連想記憶モデルの基本的性質の解析周期的な発火状態にあるニューロンの相互作用系を考え、タイミングまで含めた発火パターンの連想記憶モデルを構成し、その処理能力を理論的に求め、従来の静的素子と比較した。発火のタイミングを位相に、発火強度を振幅に対応させた振動子モデルにより、特に以下の諸性質の理論的に明らかにした。(1).自己想起と相互想起過程のダイナミクス高次相関も取り入れた巨視的なダイナミクスの方程式を解くことにより、振動子ニューラルネットの場合には、相互想起では記憶容量が自己想起の約5倍になることがわかった。これは、従来のホップフィール型の約2倍に比べて大きいといえる。(2).結合破壊に対する耐性ニューロン間の結合を一定の割合で切り、記憶容量の低下率を調べた。結合の対称性を保ったまま切る場合は、レプリカ法により理論的に求められ、ホップフィール型と比較し、記憶容量の低下が少ない(90%切断で記憶容量が約半分)ことが示された。非対象結合の場合でも、同様の傾向を数値的に確認した。(3).振幅自由度を持つ振動子ニューラルネットの解析発火・非発火を含む連想記憶モデルとして、位相と振幅自由度を持つ系を解析した。この場合、リアプノフ関数が存在し、安定な想起が保証された。2.振動子ニューラルネットの応用今年度は、多肢ロボットの歩行学習を行った。そのために、まず実機の四脚ロボットを製作した。各脚は3関節からなり、腰関節を含めた全13関節を持つが、ここでは各関節に周期的運動を仮定し、その引込みにより歩行を実現する。即ち、一脚の運動はその3関節の引込みにより、ロボットの歩行は4脚と腰関節の引込みにより実現される。スタティックな総合作用モデルにより歩行学習を確認した。

理论上可分析的相位振荡器模型用于评估振荡器神经元的优势和后果。 1。考虑到定期发射状态下神经元的相互作用系统的关联记忆模型的基本属性分析，我们构建了一个触发模式的关联记忆模型，包括时机和相同的处理能力是理论上计算的，并将其与常规的静态式刀具进行了比较。通过使用换能器模型，在该模型中尤其是理论上的属性，在该模型中，放电时间处于相位，并且发射强度与振幅有关。（1）。通过求解宏观动力学的方程，自我调查和相互召回过程的动力学（也包括高阶相关性），发现在振荡器神经网络的情况下，相互召回的记忆能力大约是自我追溯的五倍。可以说，这是传统的啤酒花型类型的两倍。（2）。对结合破坏的抗性：以一定百分比的百分比切割神经元之间的结合，并检查了记忆能力降低的速度。在维持键的对称性时切割时，理论上是通过复制方法确定的，并且与啤酒花类型相比，表明存储容量的降低较小（90％的切割意味着大约一半的存储容量）。即使在非目标组合的情况下，也在数值上得到了类似的趋势。（3）。分析具有振幅自由度的振荡器神经网络具有相位和振幅自由度的系统，被分析为一种关联记忆模型，包括射击和非火灾。在这种情况下，存在Lyapunov功能，确保稳定的召回。 2。今年振荡器神经网络的应用，我们为多个肢体机器人进行了步行学习。为了实现这一目标，我们首先为实际机器创建了四倍的机器人。每条腿由三个关节组成，总共有13个关节在内，包括髋关节，但在这里我们假设每个关节都会经过定期运动，并且撤回将允许行走。换句话说，单脚架的运动是通过缩回三个关节来实现的，并且通过缩回四个关节和髋关节来实现机器人的行走。使用静态综合动作模型确认步行学习。