自己組織化ニューラルネットのパターン分類能力の検討と感性工学への応用

点击翻译按钮获取中文摘要

この研究は感性工学でおこなう感性評価実験で得られる多次元データ処理の自動化に自己組織化ニューラルネットワークを用いるという試みである。感性工学とは、人間の持つ感性やイメージを具体的なデザインへ翻訳するための技術である。形容詞などの言葉と具体的なデザインとの関係や感性の意味構造を感性実験データより統計解析をおこなった抽出し感性工学エキスパートシステムの形で提示している。この研究では習熟と専門知識が必要である伝統的な多変量解析などの技法の替わりに自己組織化ニューラルネットワークを用いて推論ルールを構築することを目的としている。平成6年度では解析手法としての確立を目指し、多次元データの圧縮および特徴抽出をおこなうPCAnetと、クラスタリングおよびクラスターの特徴の発見をおこなうART1.5-SSSの2つの自己組織化ニューラルネットワークの組み合わせによる、感性実験データの自動解析システムAKSYONN4を作成した。このシステムはこの科研費で購入したコンピュータを用いて作成した。現実の感性工学実験データに対するこのシステムの解析能力の検証のために指輪、腕時計、女性用靴の3種類の製品群に対する評価実験をのべ50名余りの被験者を用いておこなった。この実験は製品の写真をこの科研費で購入したコンピュータで画像処理し、背景などを除去、大きさを統一した画像を一度に5〜8名の被験者に提示して、SD方による質問紙に評価結果を解答させた。この評価データをAKSYONN4システムに入力し、感性の意味構造および感性とデザインとの関係を調べた。この解析結果を通常の多変量解析の結果と比較したところ、非常に良好な精度の解析結果を得ることが確認された。以上の成果を、2つの国際会議(1つは発表済み、もう1つは採択・発表予定)で発表、1つの論文(投稿済み・査続中)にまとめることができた。