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

学習データのモデル化による汎化能力の形成と利用技術の確立

通过学习数据的建模和利用技术的建立来形成泛化能力

基本信息

批准号：
16700230
负责人：
間所洋和
金额：
$ 2.37万
依托单位：
Akita Research and Development Center (2005)Akita Prefectural Institute Industrial Technology (2004)
依托单位国家：
日本
项目类别：
Grant-in-Aid for Young Scientists (B)
财政年份：
2004
资助国家：
日本
起止时间：
2004 至 2005
项目状态：
已结题

项目摘要

本研究では、対抗伝搬ネットワーク(Counter Propagation Network : CPN)のカテゴリマップを誤差逆伝搬ネットワーク(Back Propagation Network : BPN)の学習データとして用いることにより汎化能力を形成する手法を提案した。提案手法は、カテゴリマップのユニット数を変更することにより空間的な位相構造が保存された状態で学習データのサンプル数を自由に変更することができる。更に、矛盾する学習データの検出や寄与度の低い学習データの検出が可能となる。汎化能力の定量的な評価方法として幅広く利用されているCone-torusデータセットに本主手法を適用した結果、学習データに対する正答率が86.80%、テストデータが82.50%という結果が得られた。更に、カテゴリマップの入れ替え操作を行うことにより、テストデータの正解率が87.50%まで向上した。具体的な応用展開として、一般的なシーン画像から人の肌領域を抽出する実験を行った結果、BPN単独の結果と比較して抽出精度が向上した。ハードウェア実装に関しては、ハードウェア記述言語を用いて16ビット固定小数点モデルのBPNを設計し、FPGA(Field Programmable Gate Array)への実装を行った結果、108 MCUPS(Million Connection Updates Per Second)の学習速度を記録した。また、ハンガリー共和国ブタベスト経済工科大学のI.Lovanyi教授らの研究グループの協力を得て、提案手法をパイプライン化することにより、最大10倍程度の高速化が可能となる見通しを得た。

The purpose of this study is to improve the accuracy of the study. (Counter Propagation Network: CPN). In this study, we use the technology to form a technical proposal. In this study, we use the anti-virus technology (Counter Propagation Network: CPN) to form a technical proposal. (Back Propagation Network: BPN). The method of the proposal, the number of computers, the number of files, the phase of the space, the phase of the space, the number of files, the number of users, the number of users. More and more contradictory information about how to send a letter to a low degree of education may be found out. The quantitative method of chemical ability was used to determine the accuracy of the method. The results of the main method, the correct answer rate of 86.80% and 82.50% of the results were obtained by using the main method, the results of the main method, the results of the Cone-torus method, the results of the main method, the results of the main method, the correct answer rate of 86.80% and 82.50% respectively. The correct solution rate is 87.50% and the correct solution rate is 87.50%. The results of the specific drawing, the general drawing, the extraction of the human muscle, and the BPN results show that the extraction accuracy is higher than that of the others. In this paper, we use the 16-point fixed decimal point BPN design, the FPGA (Field Programmable Gate Array) simulation, the 108 MCUPS (Million Connection Updates Per Second) speed log, and so on. The Ministry of Technology, Professor I.Lovanyi of the University of Engineering, the research team of the University of Technology, the method of proposal, the method of proposal, the maximum degree of "high-speed", and the possibility of a 10-fold high-speed operation.