多重降下競合学習と超並列分散処理

多重下降竞争学习和大规模并行分布式处理

• 批准号: 04246206
• 负责人: 松山 泰男
• 金额: $ 0.58万
• 依托单位: Ibaraki University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas
• 财政年份: 1992
• 资助国家: 日本
• 起止时间: 1992 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-04246206/
• 关键词: 競合学習; ニューロコンピュテーション; 超並列分散処理; 多重降下コスト; 特徴マップ; 自己組織化

本研究においては,競合学習の能力を拡張することと,その超並列分散処理による計算方式をテーマとしている.本年度においては,前年度までの準備を用いて,次のような大きな進展があった.(i)多重降下競合学習アルゴリズムによる静止画像処理(ii)多重降下競合学習と強制情報との結合を用いた静止画像からの動画像生成(iii)競合学習における評価規範の一般化と結合パラメータの動的制御項目(i)においては,まずレベルの異なる2種類の特徴マップを生成する画像圧縮方式を開発した.この方式においては,31dB/pelの性能が得られる.そして,このとき生成された特徴マップは,項目(ii)の動画生成に用いることができる.すなわち,静止画像から得られた特徴マップに外部情報を加えることによりこれを変形し,その結果,変形された再生画像が得られる.さらに,特徴マップの変形過程を時間的に補間してそれぞれの特徴マップにニューラル重み(画像の標準パターン)を埋め込めば,動画像の各コマができあがる.そして,それをマルチメディアコンピュータにより表示すれば動画像となる.この方式の意義は,「動画像を1枚の静止画像から生成できること」と「高能率な情報圧縮が同時に行われること」の2点にある.(iii)の評価規範の一般化については,ほとんどの競合学習を含む方式を確立できた.このとき,評価規範中の部分コストを自律的に調節して良い学習結果を得る方式も確立できている.これは超並列分散処理が可能な計算学習方式となっている.本研究は,以上のような多くの成果を得て終了した.

In this study, the ability of cooperative learning is expanded, and the computational mode of hyper-parallel decentralized processing is expanded. This year's preparations are in progress, and the previous year's preparations are in progress. (i)(ii) Multi-drop cooperative learning and combination of coercive information and use of static images and animation image generation (iii) Generalization of cooperative learning evaluation criteria and combination of coercive information and use of static images and animation image generation (i) Development of image compression methods for two types of feature generation. This way,31dB/pel of performance is achieved. For example, if the item (ii) is animated, it will be generated using the same feature. The static image is obtained by adding external information to the static image. In addition, the characteristic of the transformation process of the time between the supplement, the characteristics of the characteristics of the film, the animation of the film. All right, all right. The meaning of this method is: "animated image 1 still image generation" high energy rate information compression (iii)Comments on the generalization of norms and the establishment of methods for collaborative learning. Some of the rules in the evaluation criteria are self-regulating, and the learning results are established in different ways. It is possible to calculate and study the way of super-parallel decentralized processing. This study is the end of the above-mentioned achievements.

项目成果

Yasuo Matsuyama: "Learning in competitive networks with penalties" Proc.Int.Joint Conf.on Neural Networks(Baltimore). IV. 773-778 (1992)

Yasuo Matsuyama：“在有惩罚的竞争网络中学习”Proc.Int.Joint Conf.on Neural Networks（巴尔的摩）。

松山 泰男: "自己組織化するニューラルネットと最適化問題" オペレーションズ・リサーチ. 37. 331-335 (1992)

Yasuo Matsuyama：“自组织神经网络和优化问题”运筹学 37. 331-335 (1992)。

Yasuo Matsuyama and Masayuki Kobayashi: "Minimun learning with autonomous cost adjustment" Proc.Int.Joint Conf.on Neural Networks(Beijing). I. 326-334 (1992)

Yasuo Matsuyama 和 Masayuki Kobayashi：“具有自主成本调整的最小学习”Proc.Int.Joint Conf.on Neural Networks（北京）。

Yasuo Matsuyama and Yasushi Kurosawa: "Coordination of optimized feature map and supervisory concept" Proc.Int.Joint Conf.on Neural Networks(Beijing). II. 734-741 (1992)

Yasuo Matsuyama 和 Yasushi Kurosawa：“优化特征图与监督概念的协调”Proc.Int.Joint Conf.on Neural Networks（北京）。