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

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

自传播神经网络知识获取研究

基本信息

批准号：
05J08385
负责人：
申富饒
金额：
$ 1.15万
依托单位：
Tokyo Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2005
资助国家：
日本
起止时间：
2005 至 2006
项目状态：
已结题

项目摘要

(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) Research and development of "Enhanced-SOINN":SOINN is difficult to separate and extract from teachers 'learning methods. Some actions of SOINN principle are unstable. This paper proposes a new "Enhanced SOINN(E-SOINN)" method to solve the problem. (2)SOINN teachers 'learning problems and learning problems are applicable in this study. This study is aimed at improving the accuracy of the algorithm, and improving the accuracy of the algorithm. The learning device is not only interested in learning, but also interested in learning. (3) The development of SOINN and the construction of active learning techniques; the cognitive development of SOINN and the application of SOINN to teachers 'learning methods; the introduction of SOINN and the development of SOINN and the construction of active learning techniques; This method is calculated in terms of the number of possible additional learning options, the number of useful properties of SOINN, and the number of other options in the world. The results of the preparation and implementation of the performance report, the 2005 International Conference on the Research Division, the Neural Information Processing Systems(NIPS) report, and the prospective teacher report on the cognitive accuracy of the active learning method match.

项目成果

期刊论文数量（8）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

An adaptive incremental LBG for vector quantization

DOI：
10.1016/j.neunet.2005.05.001
发表时间：
2006-06
期刊：
Neural Networks
影响因子：
7.8
作者：
S. Furao;O. Hasegawa
通讯作者：
S. Furao;O. Hasegawa

An incremental network for on-line unsupervised classification and topology learning

DOI：
10.1016/j.neunet.2005.04.006
发表时间：
2006-01-01
期刊：
NEURAL NETWORKS
影响因子：
7.8
作者：
Shen, FR;Hasegawa, O
通讯作者：
Hasegawa, O

An Incremental Neural Network for Online Supervised Learning and Topology Learning

DOI：
10.20965/jaciii.2007.p0087
发表时间：
2007-01
期刊：
J. Adv. Comput. Intell. Intell. Informatics
影响因子：
0
作者：
Y. Kamiya;S. Furao;O. Hasegawa
通讯作者：
Y. Kamiya;S. Furao;O. Hasegawa

Fractal image coding with simulated annealing search

具有模拟退火搜索的分形图像编码

DOI：
发表时间：
2005
期刊：
Journal of Advanced Computational Intelligence and Intelligent Informatics 9・1
影响因子：
0
作者：
Shen Furao;Osamu Hasegawa
通讯作者：
Osamu Hasegawa

オンライン教師なし分類のための追加学習手法

在线无监督分类的附加学习技术