構造進化型生物モデルによる画像認識

使用结构进化生物模型进行图像识别

• 批准号: 05680288
• 负责人: 長尾 智晴
• 金额: $ 1.34万
• 依托单位: Tokyo Institute of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for General Scientific Research (C)
• 财政年份: 1993
• 资助国家: 日本
• 起止时间: 1993 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-05680288/
• 关键词: 神経回路網設計; 遺伝的アルゴリズム; 画像認識

本研究では,任意の構造をもつ神経回路網を仮想生物とみなし,ランダムに生成した初期個体集団に対する進化シミュレーションを,最適化手法の一種である遺伝的アルゴリズムの拡張手法によって実行し,画像認識に適した構造と結合荷重をもつ神経回路網を自動生成することを目的として研究を遂行した.本研究の成果を次にまとめる.1)遺伝子型自動伸長遺伝的アルゴリズム(AGES・GA)の開発生物集団の進化の進行状況に応じて,神経回路網の隠れユニット数を自動的に増大させ,回路網を複雑化する一方式であるAGES・GA(Automatic Genotype Elongation Strategy using Genetic Algorithm)を確立した.そして,AGES・GAの性能を十分に引き出すための遺伝規則や各パラメータの設定方法について検討した.次に,XOR問題,連想記憶などの基礎的な諸問題に適した構造と結合荷重をもつ神経回路網を本方式によって自動生成できることを確認した.2)画像認識のための神経回路網の進化シミュレーション図形認識処理を目的としてAGES・GAを実行し,水平・垂直線分の認識,それらの結合状態の認識,最終的な図形の認識というように,神経回路網の能力を段階的に成長させることができることを確認した.また,実用規模のユニット数をもつ神経回路網の自動生成実験をくり返し実行したシミュレーション実験結果から,本方式を大規模な神経回路網の自動生成に適用可能であるとの確信を得ることができた.

In this paper, we study the optimization method for the initial evolution of individual population in the network of neural networks with arbitrary structure. The results of this study are summarized as follows: 1) The evolution status of genetic automatic elongation (AGES·GA) in developing biological groups, the automatic increase of the number of neural network nodes, and the establishment of AGES·GA(Automatic Genotype Elongation Strategy using Genetic Algorithm). In addition,AGES GA's performance is very important to introduce the genetic rules and the setting methods of each category. Second,XOR problem, even thinking about the basic problems of memory, structure and combination load, automatic generation of neural loop network in this way, confirmation, recognition of image, evolution of neural loop network, recognition of shape, processing of purpose, horizontal and vertical line recognition, recognition of combination state, final recognition of shape, The ability of the neural network to grow in stages is confirmed. The automatic generation of the neural network is realized by the number of users of the large-scale neural network. The results show that the automatic generation of the large-scale neural network is applicable to the possibility of obtaining the information.

项目成果

Tomoharu Nagao: "Structural evolution of neural networks having arbitrary connections by a genetic method" The Trans.of the IEICE. E76-D. 689-697 (1993)

Tomoharu Nagao：“通过遗传方法实现具有任意连接的神经网络的结构进化”The Trans.of the IEICE。

安居院 猛: "ジェネティックアルゴリズム" (株)昭晃堂, 174 (1993)

Takeshi Angoin：“遗传算法” Shokodo Co., Ltd.，174（1993）