权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

非線形振動子を用いたニューラルネットワークの解析と応用

非线性振子神经网络的分析与应用

基本信息

批准号：
08233104
负责人：
西川郁子
金额：
$ 1.41万
依托单位：
Ritsumeikan 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：
1996
资助国家：
日本
起止时间：
1996 至无数据
项目状态：
已结题

项目摘要

理論的に解析可能な位相振動子モデルを用いて、振動子ニューロンの得失を評価した。1.発火タイミングを考慮した連想記憶モデルの基本的性質の解析周期的な発火状態にあるニューロンの相互作用系を考え、タイミングまで含めた発火パターンの連想記憶モデルを構成し、その処理能力を理論的に求め、従来の静的素子と比較した。発火のタイミングを位相に、発火強度を振幅に対応させた振動子モデルにより、特に以下の諸性質の理論的に明らかにした。(1).自己想起と相互想起過程のダイナミクス高次相関も取り入れた巨視的なダイナミクスの方程式を解くことにより、振動子ニューラルネットの場合には、相互想起では記憶容量が自己想起の約5倍になることがわかった。これは、従来のホップフィール型の約2倍に比べて大きいといえる。(2).結合破壊に対する耐性ニューロン間の結合を一定の割合で切り、記憶容量の低下率を調べた。結合の対称性を保ったまま切る場合は、レプリカ法により理論的に求められ、ホップフィール型と比較し、記憶容量の低下が少ない(90%切断で記憶容量が約半分)ことが示された。非対象結合の場合でも、同様の傾向を数値的に確認した。(3).振幅自由度を持つ振動子ニューラルネットの解析発火・非発火を含む連想記憶モデルとして、位相と振幅自由度を持つ系を解析した。この場合、リアプノフ関数が存在し、安定な想起が保証された。2.振動子ニューラルネットの応用今年度は、多肢ロボットの歩行学習を行った。そのために、まず実機の四脚ロボットを製作した。各脚は3関節からなり、腰関節を含めた全13関節を持つが、ここでは各関節に周期的運動を仮定し、その引込みにより歩行を実現する。即ち、一脚の運動はその3関節の引込みにより、ロボットの歩行は4脚と腰関節の引込みにより実現される。スタティックな総合作用モデルにより歩行学習を確認した。

Theory of に parsing may な phase oscillator モデルを with いて, vibration ニューロンをの gain and loss assessment 価した. 1. 発 fire タイミングを consider した even think memory モデルの nature of the basic analytical cycle なの発 fire state にあるニューロンの interaction えを test, タイミングまで containing めた発 fire パターンの even think memory モデルをし, その処 the theories of ability をにめ, 従 to の static element child と compare した. 発 fire のタイミングを phase に, 発 fire intensity を amplitude に応 seaborne させた vibrator モデルにより, にの under the nature の theory に Ming らかにした. (1). His thought of と process of のダイナミクス high order phase masato も take りれた the macroscope なダイナミクスをの equations solution くことにより, vibration ニューラルネットの occasions には, think of each other では memory capacity が yourself remember の is about 5 times になることがわかった. The <s:1> れ and 従 are about twice the に of the <s:1> ホップフィ and ホップフィえる type <e:1>, which is larger than the べて. (2). Combined with the breaking of 壊に to する tolerance ニュ <s:1> ロ <s:1> <s:1> combined with を certain <s:1> cutting and で cutting <s:1>, the low rate of memory capacity <e:1> を adjusted べた. Combining の said sex seaborne を bartender ったま cut まるは, レプリカ method によにり theory for められ, ホップフィール type と comparison し, less memory capacity low のがない memory capacity (90% cut でが about half) ことが shown された. In non-object combination <s:1> situations, でで; in the case of similar <s:1> tendency, に confirmation of を values, たた. (3). The amplitude of degrees of freedom を hold つ vibrator ニューラルネットの parsing 発 fire, non 発を link to memory containing むモデルとして, amplitude phase と dof をつ department を parsing した. <s:1> <s:1> occasions, リアプノフ relations が exist が, stability な remember が guarantee された. 2. Vibrators ニュラネットネット応応 use this year 's を and multi-limb ロボット <s:1> walking learning を and った. Youdaoplaceholder0 ためにために, まず actual machine <s:1> four-pin ロボットを to make た. Each foot は section 3 masato からなり, waist section masato をめた whole section 13 masato を hold つが, ここでは each section masato に cycle movement を仮し, その lead 込みにより step line を be presently する. That is, ち, one-foot <s:1> movement そそ <s:1> 3 joint <e:1> leads to 込みによ, ロボット foot walking <e:1> 4 foot と waist joint <e:1> leads to 込みによ actual occurrence される. Youdaoplaceholder0 and な総 work together to learn を and confirm た using モデによ and によ in conjunction.