リカレント型自己組織化マップによる頑強な時空間パターン認識器の開発

使用循环自组织映射开发强大的时空模式识别器

基本信息

批准号：
01J04206
负责人：
堀尾恵一
金额：
$ 1.02万
依托单位：
Kyushu Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2001
资助国家：
日本
起止时间：
2001 至 2003
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-01J04206/
关键词：
自己組織化人工神経経路網パターン分類

项目摘要

本年度は、自己組織化マップと遺伝的アルゴリズムを融合したパターン分類器、自己組織化マップとネオファジィニューロンを用いた予測システム、適応部分空間自己組織化マップとフィードバック自己組織化マップを融合した時空間パターン分類器に関する研究を行った。また、自己組織化マップハードウェアの開発を行った。具体的には、顎変形症患者の症型を分類するために自己組織化マップを採用したが、精度の向上のために遺伝的アルゴリズムを用いて自己組織化マップのパラメータを決定する手法を提案した。従来のパターン分類手法(線形手法、非線形手法)と比較して、高い精度で分類が可能であることを示した。顎変形症患者の術後の側貌を予測するシステムを、ネオファジィニューロンを用いて構築した。更なる予測精度の向上を実現するために、術前の患者の症型を分類し、分類毎に予測器を構成する手法を提案した。ここで、術前の患者の症型分類に、上述の自己組織化マップと遺伝的アルゴリズムを融合した手法を採用した。また、パターンの時間情報を取り扱うことが可能なフィードバック自己組織化マップと、パターンの空間方向へのずれを吸収することが可能な適応部分空間自己組織化マップを融合することで、非常に頑健な時空間パターン分類器を構築した。更に、自己組織化マップのアルゴリズムを高速に処理するために、ハードウェア設計を行った。アナログ回路、ディジタル回路の双方による設計を行い、ソフトウェアによる処理と比較して30倍〜200倍の処理速度を実現することができた。

今年，我们对模式分类器进行了研究，该模式分类器结合了自组织图和遗传算法，使用自组织映射和Neofazzy神经元的预测系统，以及一个时空模式分类器，该分类器结合了自适应子空间空间自组织自组织图和反馈自组织映射。我们还开发了自组织地图硬件。具体而言，采用自组织图来对颌骨畸形的患者类型进行分类，但是提出了一种方法来使用遗传算法来确定自组织图的参数以提高准确性。已经表明，与常规模式分类方法（线性和非线性方法）相比，可以高精度地进行分类。使用Neophgic神经元构建系统，以预测颌骨畸形患者的术后特征。为了进一步提高预测准确性，我们提出了一种术前患者症状类型并为每个分类构建预测因子的方法。在这里，采用了一种方法，该方法将上述自组织图与遗传算法相结合，用于手术前患者的类型分类。此外，通过融合可以处理模式的时间信息的反馈自组织图和自适应子空间自组织图，该图可以在模式的空间方向上吸收偏差，从而构建了非常强大的时空模式分类器。此外，还执行了硬件设计以高速处理自组织地图的算法。使用模拟电路和数字电路进行了设计，并且处理速度比软件处理快30至200倍。