非単調神経回路網による連続的時系列パターンの認識

使用非单调神经网络识别连续时间序列模式

基本信息

批准号：
09780310
负责人：
森田昌彦
金额：
$ 1.28万
依托单位：
University of Tsukuba
依托单位国家：
日本
项目类别：
Grant-in-Aid for Encouragement of Young Scientists (A)
财政年份：
1997
资助国家：
日本
起止时间：
1997 至 1998
项目状态：
已结题

项目摘要

非単調神経回路網は簡単な学習アルゴリズムによって,その状態空間に軌道アトラクタを形成することができる.本研究の目的は,このような性質を利用して,連続的に変化する時系列パターンを空間パターンに展開することなく認識するモデルを構成することである.昨年度の研究では,比較的単純な時系列パターンの認識過程を解析し,中間部(隠れ素子)と学習信号生成回路を導入することによって,より複雑な時系列パターンを認識できるモデルを構築した.この結果を踏まえ,今年度は以下の研究を行った.まず,計算機上で条件を変えつつシミュレーション実験を大規模に行い,モデルの構造(各部の素子数)と認識能力との関係を調べた.また,中間部の動作を解析し,認識の失敗がどのような状況で起こるかを明らかにした.その結果,系列情報をどのようなパターンにコードするかという情報表現の重要性が浮かび上がったが,この問題についての詳しい検討は今後の課題である.また,双方向型構造であるというこのモデルの特徴を生かし,出力部に与えた単純なパターンから,複雑な時系列パターンを入力部に再生するという,逆方向のパターン変換に関する研究を行った.その結果,認識を目的として学習した回路網であっても,逆方向の再生がある程度可能であることがわかった.但し,この場合,出力部にパターンを与えるだけでなく,入力部に系列の先頭部分を与える必要があった.この問題を解決するためには,やはり情報表現についての再検討が必要である.以上のように,新しい原理に基づく時系列パターン認識の神経回路モデルを構成するという所期の目的が達せられただけでなく,パターンの認識と発生,すなわちボトムアップ及びトップダウンの情報処理を統合するモデルへの発展性が示された.

非单调神经网络可以使用简单的学习算法在其状态空间中形成轨道吸引子。这项研究的目的是构建一个模型，该模型识别不断变化的时间序列模式而不扩展为空间模式。在去年的研究中，我们分析了相对简单的时间序列模式的识别过程，并创建了一个模型，该模型可以通过引入中间部分（隐藏的元素）和学习信号产生电路来识别更复杂的时间序列模式。基于这些结果，我们今年进行了以下研究。首先，我们对计算机上的条件发生变化进行了大规模的模拟实验，并研究了模型结构（每个部分中的元素数）与识别能力之间的关系。我们还分析了中间部分的行为，并揭示了发生识别失败的情况。结果，我们发现信息表达式是表达的，其中序列信息以什么模式进行编码。尽管已经出现了对此的需求，但对此问题的详细考虑将是未来的问题。此外，通过利用该模型的特征，即双向结构，我们对反向模式转换进行了研究，其中复杂的时间序列模式从给出的简单模式到输出部分的简单模式复制到输入部分。结果，我们发现，即使是出于识别目的学习的网络也可以在一定程度上以相反的方向复制。但是，在这种情况下，除了为输出部分提供模式外，还必须向输入部分提供系列的开始。为了解决此问题，有必要重新检查信息表示。如上所述，已经实现了基于新原则的时间序列模式识别的神经电路模型的预期目的，并且已经表明，将模式的开发开发成一个集成了自下而上和自上而下的信息处理的模型。