環境を双方向に確率学習する神経回路網に関する研究

环境双向概率学习的神经网络研究

基本信息

批准号：
10164244
负责人：
松山泰男
金额：
$ 0.64万
依托单位：
Waseda University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas (A)
财政年份：
1998
资助国家：
日本
起止时间：
1998 至无数据
项目状态：
已结题

项目摘要

この研究において対象とする確率的学習アルゴリズムは、EMアルゴリズムとよばれるものである。従来、このアルゴリズムには対数演算が用いられていたが、学習速度において問題があった。そこで本研究においては、まずこのようなlog-EM法を拡張することを試み、その結果、学習の高速化を得ることができた(α-EMアルゴリズム)。次に、上記のようなα-EM学習アルゴリズムと確率的自己組織化との間に、以下のような階層が存在することを確認した。α EM→log-EM→{(逐次型、一括型)ベクトル量子化、確率的自己組織化}通常、ベクトル量子化では硬判定が行われるが、確率的自己組織化では軟判定が採用される。そして、自己組織化においては、その軟判定をひずみ測度で近似し、近傍系を導入して特徴マップを得ることが行われる。本研究においては、このような自己組織化を、画像の情報圧縮とそれに基づく仮想現実感の実現に適用した。その結果、2次元静止画像をその意味に基づいて動画像化し、3次元化することを可能にする手法を得た。さらに、α-EMアルゴリズムは動画像中の領域の変化を認知する問題にも適用されており、次のような展開と結果が得られている。まず、取り扱う問題として、動画像の2フレーム間のオプティカルフローを求め、それに基づいて二つのフレーム間で時間的に変化する領域の検出と認識を実行することを取り上げた。このとき、各フレームはマルコフ的ランダム場とし、そして、各部分領域中のオプティカルフローは、アフィン変換に正規雑音が加わったものと仮定している。また、各ピクセルがどの部分領域に属するかの判定には、シグモイド型の軟判定を用いることにした。その結果、動画像中の領域判定が可能となった。

本研究针对的概率学习算法称为EM算法。传统上，该算法使用对数运算，但存在学习速度的问题。因此，在本研究中，我们首先尝试扩展 log-EM 方法，结果，我们能够实现更快的学习（α-EM 算法）。接下来，我们确认上述α-EM学习算法和随机自组织之间存在以下层次结构。 α EM→log-EM→{(顺序型，批量型)向量量化，随机自组织} 通常，向量量化使用硬决策，但随机自组织使用软决策。在自组织中，软决策通过失真度量来近似，并引入邻域系统来获得特征图。在本研究中，我们将这种自组织应用于图像信息压缩以及基于它的虚拟现实的实现。结果，我们获得了一种方法，可以根据其含义将 2D 静止图像转换为运动图像，然后转换为 3D 图像。此外，α-EM算法已应用于识别视频图像中区域变化的问题，并取得了以下进展和结果。首先，我们解决了寻找视频图像的两帧之间的光流的问题，并在此基础上检测和识别两帧之间随时间变化的区域。此时，假设每一帧是马尔可夫随机场，并且假设每个部分区域中的光流是仿射变换加上正态噪声。此外，决定使用 sigmoid 型软决策来确定每个像素属于哪个部分区域。结果，可以确定运动图像内的区域。