多重降下競争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: 03251206
• 负责人: 松山 泰男
• 金额: $ 0.64万
• 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: 1991
• 资助国家: 日本
• 起止时间: 1991 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-03251206/
• 关键词: 競合学習; ニュ-ロコンピュテ-ション; 超並列分散処理; 多重降下コスト; 二重並列性; 特徴マップ; 自己組織化

本研究は競合学習の能力を拡張することと,超並列分散処理による計算方式を主テ-マとしている.本年度は,それらのうち競合学習の一般化を対象にしており,次のような項目を取り扱った.(i)多重降下競合学習と強制情報との結合(ii)競合学習におけるコストの一般化とそのパラメ-タの動的制御項目(i)においては,多重降下競合学習において生成される二種類の特徴マップを利用している.これらの二種類のうち,トレ-ニングベクトルを最適にグル-プ化する特徴マップは,原デ-タの情報をよく抽出する.そして,この特徴マップの各部分領域は,ニュ-ロンの重みベクトルと対応している.従って,最適化特徴マップと重みベクトルの対は元のデ-タを良い精度で復元できることになり,情報圧縮を行ったことになる.さらに外部からの情報(強制情報)により,最適化特徴マップを変形させると,これは原デ-タのもつ意味情報を変形したことになる.これを実例として人物画像の表情変形に用いて良好な結果を得た.項目(ii)においては,加法的なハンディキャップと乗法的なハンディキャップの両者を含む競合学習を提案した.このとき,デ-タの近似項とハンディキャップ項との結合パラメ-タをどのような値にするかが問題となる.本研究においては,これをニュ-ラルネットワ-クの学習の進展度に応じて自動的に調節する方法を与え,良好な結果を得た.

This study focuses on the ability of collaborative learning, and super-parallel decentralized processing. This year, we are looking forward to learning more from each other. (i)Multiple descending co-operative learning and coercive information and combination (ii) Co-operative learning and generalization (i) Multiple descending co-operative learning and generation (ii) Two types of characteristics and utilization (iii) Co-operative learning and coercive information and combination (iii) Co-operative learning and generalization (iii) Co-operative learning and generation (iv) Two types of information are extracted from the database. All parts of the field are characterized by the following characteristics: The optimization features are optimized with high precision and information compression. The external information (coercive information) is changed to optimize the features, and the original information is changed to optimize the features. The results were good. Item (ii): The proposal of adding This is the problem of the close proximity term. This study aims to improve the quality of learning and improve the efficiency of learning.

项目成果

Y.Matsuyama: "Image transformation using a feature map of multiply descent cost competitive learning" Proceedings of International Joint Conference on Neural Networks,Seattle. 2. A936 (1991)

Y.Matsuyama：“使用多重下降成本竞争性学习的特征图进行图像转换”，西雅图国际神经网络联合会议论文集。

Y.Matsuyama: "Multiply descent cost competitive neural networks with cooperation and categorization" Neural Networks for Signal Processing(IEEE Press). 141-150 (1991)

Y.Matsuyama：“具有合作和分类的乘法下降成本竞争神经网络”信号处理神经网络（IEEE Press）。

Y.Matsuyama: "Self‐organization via competition,cooperation and categorization applied to extended vehicle routing problems" Proceedings of International Joint Conference on Neural Networks,Seattle. 1. 385-390 (1991)

Y. Matsuyama：“通过竞争、合作和分类进行自组织应用于扩展车辆路径问题”，国际神经网络联合会议记录，西雅图 1. 385-390 (1991)。

Y.Matsuyama and Y.Kurosawa: "Injection of external information to feature maps of multiply descent cost competitive learning" Proceedings of International Joint Conference on Neural Networks,Singapore. 2. 994-1000 (1991)

Y.Matsuyama 和 Y.Kurosawa：“将外部信息注入到多重下降成本竞争性学习的特征图中”，新加坡神经网络国际联合会议论文集。