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，一种结合自组织图和遗传算法的模式分类设备，使用自组织的地图的预测系统，一个NEOF，是NEOF，它是本地空间的NEOF，以及一个融合自组织的地图和融合的空间反馈自组织图。此外，我们开发了自组织的地图硬件。具体来说，采用了一个自组织的图来对患者的颌骨变形进行分类，但是一种使用遗传算法来确定自组织图的参数以提高精度的方法。与常规的模式分类方法（线性方法，非线性方法）相比，它表明可以很高的精度进行分类。一种预测下颌变形患者术后一侧的系统是使用Neo Fadiographic构建的。为了进一步提高预测准确性，我们提出了一种对患者疾病类型进行分类的方法，并构成了每个分类的预测。在这里，一种在后患者类型分类中结合了上述自组织图和遗传算法的方法。此外，它非常固执，可以融合自组织的地图，可以处理模式的时间信息，并且可以在图案的空间方向上吸收差距建立了模式分类设备。此外，还执行了硬件设计，以高速处理自组织图上的算法。设计均由模拟电路和数字电路执行，并且处理速度比软件处理的处理速度高30至200倍。