自己増殖型ニューラルネットの拡張とその認知発達ロボティクスへの応用に関する研究

自传播神经网络的扩展及其在认知发育机器人中的应用研究

基本信息

批准号：
07F07076
负责人：
長谷川修
金额：
$ 1.41万
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：
2007
资助国家：
日本
起止时间：
2007 至 2008
项目状态：
已结题

项目摘要

(1)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。この手法の結果を2005年にIEEE Trans.Pattern Analysis and Machine Intelligence(PAMI)に掲載された従来型(学習に膨大な時間がかかり追加学習が不可能)のプロトタイプベースの学習・認識手法と比較したところ、認識精度、情報圧縮率ともに我々の手法の方が優れることがわかっている。(2)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て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、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）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 被用来解决此类监督学习问题。以便它也可以被应用。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。该方法的结果与 2005 年发表在 IEEE Trans.Pattern Analysis and Machine Intelligence (PAMI) 上的传统基于原型的学习和识别方法（需要大量时间学习并且不允许额外学习）进行了比较。然而，我们的方法被发现在识别精度和信息压缩率方面都优越。（2）作为SOINN的发展的在线半监督主动学习方法的构建及其在认知发育机器人中的应用SOINN是一种无监督学习方法，但在SOINN形成的集群拓扑中添加了“权重”的概念通过引入这一点，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。性能方面，通过实验，我们发现传统方法（需要大量时间学习，不需要额外学习）在国际最高级别会议神经信息处理系统（NIPS）上有报告2005年在神经网络研究领域获得博士学位。研究表明，可以获得与半监督主动学习方法（可能）相当的识别精度。