自己増殖型ニューラルネットワークによる知識獲得に関する研究

(1)SOINNの拡張としての、安定して動作し大きくオーバーラップするクラスタも分離可能な教師なし学習法"Enhanced-SOINN"の研究開発:SOINNは教師なし学習法であるが、大きくオーバーラップするクラスタを自律的に分離・抽出することは難しい。またSOINNは原理的に若干動作が不安定といつた問題もある。そこで本研究ではこれらの問題の解決を図り、新たに"Enhanced SOINN(E-SOINN)"法として提案した。(2)SOINNの教師あり学習の枠組みへの拡張とそのパターン認識への応用:パターン認識の問題では各クラスのパターンに教師ラベルが与えられる場合があるが、本研究ではSOINNをそうした教師あり学習問題にも適用可能なように拡張する。本研究によれば、ノイズに強く、計算が軽く、多クラスに対応可能で高精度な上、追加学習も可能、といった教師あり学習器が実現できる。こうした学習器は世界的に見ても他に例がなく、学術的に興味深いだけでなく実利用性も極めて高い。(3)SOINNの発展としてのオンライン準教師あり能動学習手法の構築とその認知発達ロボティクスへの応用:SOINNは教師なし学習法であるが、SOINNが形成するクラスタのトポロジに「重み」の概念を導入することにより、SOINNを発展させたオンラインの準教師あり能動学習手法を構築する。この手法は計算が軽いほか、耐ノイズ性や追加学習可能性といったSOINNの有用な性質を全て受け継いでおり、世界的に見て他に類を見ない。また性能的にも、予備実験の結果、2005年のニューラルネットワーク研究分野では最高レベルの国際会議、Neural Information Processing Systems(NIPS)にて報告された従来型(学習に膨大な時間がかかり追加学習が不可能)の準教師あり能動学習手法に匹敵する認識精度が得られることが分かっている。

(1)SOINNの拡張としての、安定して動作し大きくオーバーラップするクラスタも分離可能な教師なし学習法"Enhanced-SOINN"の研究開発:SOINNは教師なし学習法であるが、大きくオーバーラップするクラスタを自律的に分離・抽出することは難しい。またSOINNは原理的に若干動作が不安定といつた問題もある。そこで本研究ではこれらの問題の解決を図り、新たに"Enhanced SOINN(E-SOINN)"法として提案した。(2)SOINNの教師あり学習の枠組みへの拡張とそのパターン認識への応用:パターン認識の問題では各クラスのパターンに教師ラベルが与えられる場合があるが、本研究ではSOINNをそうした教師あり学習問題にも適用可能なように拡張する。本研究によれば、ノイズに強く、計算が軽く、多クラスに対応可能で高精度な上、追加学習も可能、といった教師あり学習器が実現できる。こうした学習器は世界的に見ても他に例がなく、学術的に興味深いだけでなく実利用性も極めて高い。(3)SOINNの発展としてのオンライン準教師あり能動学習手法の構築とその認知発達ロボティクスへの応用:SOINNは教師なし学習法であるが、SOINNが形成するクラスタのトポロジに「重み」の概念を導入することにより、SOINNを発展させたオンラインの準教師あり能動学習手法を構築する。この手法は計算が軽いほか、耐ノイズ性や追加学習可能性といったSOINNの有用な性質を全て受け継いでおり、世界的に見て他に類を見ない。また性能的にも、予備実験の結果、2005年のニューラルネットワーク研究分野では最高レベルの国際会議、Neural Information Processing Systems(NIPS)にて報告された従来型(学習に膨大な時間がかかり追加学習が不可能)の準教師あり能動学習手法に匹敵する認識精度が得られることが分かっている。