遺伝的ネットワークプログラミングを用いた人工脳のモデルに関する研究

点击翻译按钮获取中文摘要

新しい進化型計算手法である「遺伝的ネットワークプログラミング(Genetic Network Progrmming、GNP)」に、機能局在の考えを導入し、機能局在型GNPの開発を行った。機能局在型GNPは全体のタスクを解くために、タスクの分割を行い、分割されたタスクに対応するサブGNPにより構成される。全体のタスクを重要度指標により自動的に分割する方式、および、調整ノードによりサブGNPを自動的に獲得するための方式の検討を行った。具体的には、重要度指標を用い、GNPの判定結果を処理に直接影響させることで、GNPによるタスクの選択を行い、適切に現在のタスクを切替えることで、全体のタスクを分割する方式と複数の調整ノードのグループによって分割されたタスクに対応する複数のサブGNPを構成するための方式を組み合わせた機能局在型GNPの基礎検討を行い以下のことを明らかにした。重要度指標付きGNPにより、状況に応じて必要な機能を選択することで現在のタスクの選択を行い、調整ノード付きGNPの複数の調整ノードにより、選択されたタスクに対応するサブGNPを一つのGNP内に複数構築でぎること示し、機能局在型GNPの有用性を明らかにした。このことは、重要度指標を用いて、GNPの判定結果を処理に直接影響させることができるため、GNPによる選択が容易に行えるようになることと、従来のGNPが1つのスタートノードを持ち、1つのスタートノードから遷移が開始されると、GNP内を遷移し続けるのに対し、調整ノード付きGNPでは、複数の調整ノードを持ち、一定の遷移が行われると次の調整ノードに強制的に遷移することにより実現されている。この研究成果は、国際会議CEC2007、SICE2007で発表を行い、国内会議では第17回FANシンポジウムで発表を行った。