自己増殖型ニューラルネットワークによる知識獲得に関する研究

自传播神经​​网络知识获取研究

• 批准号: 05J08385
• 负责人: 申 富饒
• 金额: $ 1.15万
• 依托单位: Tokyo 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: 2005
• 资助国家: 日本
• 起止时间: 2005 至 2006
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-05J08385/
• 关键词: 自己増殖; ニューラルネッワーク; クラスタリング; 位相学習; 耐ノイズ; 追加学習; 教師あり学習; 準教師あり能動学習; ニューラルネットワーク

(1)SOINNの拡張としての、安定して動作し大きくオーバーラップするクラスタも分離可能な教師なし学習法"Enhanced-SOINN"の研究開発:SOINNは教師なし学習法であるが、大きくオーバーラップするクラスタを自律的に分離・抽出することは難しい。またSOINNは原理的に若干動作が不安定といつた問題もある。そこで本研究ではこれらの問題の解決を図り、新たに"Enhanced SOINN(E-SOINN)"法として提案した。(2)SOINNの教師あり学習の枠組みへの拡張とそのパターン認識への応用:パターン認識の問題では各クラスのパターンに教師ラベルが与えられる場合があるが、本研究ではSOINNをそうした教師あり学習問題にも適用可能なように拡張する。本研究によれば、ノイズに強く、計算が軽く、多クラスに対応可能で高精度な上、追加学習も可能、といった教師あり学習器が実現できる。こうした学習器は世界的に見ても他に例がなく、学術的に興味深いだけでなく実利用性も極めて高い。(3)SOINNの発展としてのオンライン準教師あり能動学習手法の構築とその認知発達ロボティクスへの応用:SOINNは教師なし学習法であるが、SOINNが形成するクラスタのトポロジに「重み」の概念を導入することにより、SOINNを発展させたオンラインの準教師あり能動学習手法を構築する。この手法は計算が軽いほか、耐ノイズ性や追加学習可能性といったSOINNの有用な性質を全て受け継いでおり、世界的に見て他に類を見ない。また性能的にも、予備実験の結果、2005年のニューラルネットワーク研究分野では最高レベルの国際会議、Neural Information Processing Systems(NIPS)にて報告された従来型(学習に膨大な時間がかかり追加学習が不可能)の準教師あり能動学習手法に匹敵する認識精度が得られることが分かっている。

（1）研究和开发“Enhanced-SOINN”，一种运行稳定并且可以分离显着重叠的聚类的无监督学习方法，作为SOINN的扩展：SOINN是一种无监督学习方法，但是重叠很大的聚类是重叠的。难以自主分离和提取簇。 SOINN还存在原理上有些不稳定的问题。因此，在本研究中，我们试图解决这些问题，并提出了一种称为“增强型SOINN（E-SOINN）”的新方法。 （2）SOINN 到监督学习框架的扩展及其在模式识别中的应用：在模式识别问题中，有时会给每个类中的模式赋予监督标签，但在本研究中，SOINN 被用作监督学习框架对其进行扩展。以便它可以应用于其他问题。根据这项研究，可以创建一种抗噪声、计算量轻、能够处理多个类别、高度准确且能够进行额外学习的监督学习设备。这种学习装置在世界上是独一无二的，不仅具有学术趣味性，而且实用性很强。 （3）构建基于SOINN的在线半监督主动学习方法及其在认知发展机器人中的应用：SOINN是一种无监督学习方法，但在由通过引入这一点，我们将构建一种在线半监督主动学习方法，它是 SOINN 的扩展。除了计算量轻之外，该方法还继承了 SOINN 的所有有用属性，例如抗噪性和额外学习的可能性，使其在全球范围内独一无二。在性能方面，经过初步实验，我们发现传统的方法（需要大量的时间来学习并且需要额外的学习）已经证明识别精度可以与半监督主动学习方法相媲美（不可能）可以得到。

项目成果

An adaptive incremental LBG for vector quantization

• DOI: 10.1016/j.neunet.2005.05.001
• 发表时间: 2006-06
• 期刊: Neural Networks
• 影响因子: 7.8
• 作者: S. Furao;O. Hasegawa

An incremental network for on-line unsupervised classification and topology learning

• DOI: 10.1016/j.neunet.2005.04.006
• 发表时间: 2006-01-01
• 期刊: NEURAL NETWORKS
• 影响因子: 7.8
• 作者: Shen, FR;Hasegawa, O
• 通讯作者: Hasegawa, O

An Incremental Neural Network for Online Supervised Learning and Topology Learning

• DOI: 10.20965/jaciii.2007.p0087
• 发表时间: 2007-01
• 期刊: J. Adv. Comput. Intell. Intell. Informatics
• 作者: Y. Kamiya;S. Furao;O. Hasegawa

Fractal image coding with simulated annealing search

具有模拟退火搜索的分形图像编码

• 发表时间: 2005
• 期刊: Journal of Advanced Computational Intelligence and Intelligent Informatics 9・1
• 作者: Shen Furao;Osamu Hasegawa
• 通讯作者: Osamu Hasegawa

自己増殖型ニューラルネットワークを用いたプロトタイプ生成による高速最近傍識別器の構成手法

一种通过使用自传播神经​​网络生成原型来构造高速最近邻鉴别器的方法

• 发表时间: 2007
• 期刊: 電子情報通信学会 (採録決定)
• 作者: 神谷祐樹;申富饒;長谷川修
• 通讯作者: 長谷川修