知識の学習的獲得に関する制御論的研究

知识学习获取的控制理论研究

基本信息

批准号：
11875094
负责人：
山本裕
金额：
$ 1.28万
依托单位：
Kyoto University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Exploratory Research
财政年份：
1999
资助国家：
日本
起止时间：
1999 至 2000
项目状态：
已结题

项目摘要

本研究課題においては・学習過程における知識獲得と内部モデルの形成との関係・非最小位相系の学習則の確立を主な目標とした.学習システムにおける知識獲得は,ことに運動制御などにおいては,単なる入出力関係の模擬だけではプラント変動,環境変動などに対して対応できないことが知られている.このような状況において真に知識を獲得したと言えるには,外部の知識のモデルが学習システム内部に取り込まれることが必要であると考えられる.このような内部モデル原理が学習システムにおいて成り立つことを,ニューラルネットを制御器に用いた運動制御システムによって検証した.その結果・系の学習が環境変化に対してロバストである場合には,近似的な内部モデルが形成される・しかしその内部モデルは線形システムにおけるような厳密なものではなく,入出力のゲインを高くする近似的なものである・このような近似的モデルが形成された場合は,環境変動に強いシステムが構成されることが明らかとなった.またこのような運動制御システムにおいて,非最小位相系の学習は,逆システムの不安定性から従来困難とされてきたものである.本研究では,多周期サンプリングを施し,マルチレート系とすることにより,不安定な零点を除去することによって適応的学習則を与えることが可能となった.これにより,より広範なシステムに対して内部モデル原理の検証が可能となり,学習システムと内部モデルの関係が明らかとなった.本研究課題では,近似的な内部モデルが運動学習システムの知識獲得において大きな役割を果たすことを明らかにした.これを離散事象系を含む一般的な非線形システムや人工知能システムなどに拡張することが今後の課題である.

该研究项目的主要目标是： - 学习过程中的知识获取与内部模型形成之间的关系 - 以及非最小阶段系统的学习规则的建立学习系统中的知识获取非常重要，尤其是在运动方面。控制，众所周知，简单地模拟输入/输出关系不足以应对植物波动、环境变化等。在这种情况下，为了真正获取知识，需要使用外部知识的模型来进行控制。学习。人们认为有必要将这种内模型原理融入到使用神经网络作为控制器的运动控制系统的学习系统中。因此，系统的学习如果对环境变化具有鲁棒性，形成了近似的内部模型；但是，内部模型并不像线性系统那样精确，并且输入和输出增益为它是一种近似，增加了系统的学习传统上由于逆系统的不稳定性而变得困难。在本研究中，我们应用多周期采样并创建了一个多速率系统来消除不稳定的零点并实现自适应学习。学习这使得验证更广泛的系统的内部模型原理成为可能，并阐明了学习系统和内部模型之间的关系，我们揭示了内部模型在运动学习系统的知识获取中发挥着重要作用。未来的挑战是将其扩展到一般非线性系统，包括离散事件系统和人工智能系统。