データ処理装置、データ処理方法、およびプログラム
【課題】ロボット等に、実時間性が要求されるタスクを行わせる。
【解決手段】入出力関係モデルM1112は、時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される入力ネットワークnet11と、出力ネットワークnet12とを有し、入力ネットワークnet11と、出力ネットワークnet12とは、時系列データに基づいて、自己組織的に更新される。また、入力ネットワークnet11と出力ネットワークnet12とのノードどうしは結合されており、入力ネットワークnet1の時刻tのフレームの時系列データに対する勝者ノードと、出力ネットワークnet2の、時刻tから一定の時間だけ遅れた時刻t'のフレームの時系列データに対する勝者ノードとの結合重みが強めるように更新される。本発明は、例えば、ロボットなどに適用できる。
【解決手段】入出力関係モデルM1112は、時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される入力ネットワークnet11と、出力ネットワークnet12とを有し、入力ネットワークnet11と、出力ネットワークnet12とは、時系列データに基づいて、自己組織的に更新される。また、入力ネットワークnet11と出力ネットワークnet12とのノードどうしは結合されており、入力ネットワークnet1の時刻tのフレームの時系列データに対する勝者ノードと、出力ネットワークnet2の、時刻tから一定の時間だけ遅れた時刻t'のフレームの時系列データに対する勝者ノードとの結合重みが強めるように更新される。本発明は、例えば、ロボットなどに適用できる。
Notice: Undefined index: DEJ in /mnt/www/gzt_disp.php on line 298
【特許請求の範囲】
【請求項1】
時系列データの学習を行うデータ処理装置において、
同一の時系列データである入力データと出力データとのうちの、前記入力データから所定の時間単位の入力データを抽出するとともに、前記出力データから前記所定の時間単位の出力データを抽出する入出力データ抽出手段と、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される入力時系列パターン記憶ネットワーク、および出力時系列パターン記憶ネットワークを有し、
前記入力時系列パターン記憶ネットワークのノードと、前記出力時系列パターン記憶ネットワークのノードとが結合されている
入出力関係モデルにおける前記入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである入力勝者ノードを決定し、前記入力勝者ノードに基づいて、前記入力時系列パターン記憶ネットワークを、自己組織的に更新する認識学習処理手段と、
前記出力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の出力データに最も適合するノードである出力勝者ノードを決定し、前記出力勝者ノードに基づいて、前記出力時系列パターン記憶ネットワークを、自己組織的に更新する生成学習処理手段と、
前記入力時系列パターン記憶ネットワークの前記所定の時間単位の入力データに対する前記入力勝者ノードと、前記出力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の出力データに対する前記出力勝者ノードとの結合の度合いを表す結合重みを強めるように更新する結合重み更新手段と
を備えるデータ処理装置。
【請求項2】
前記同一の時系列データである入力データおよび出力データは、
外部の状態を検知するセンサを有するロボットに所定の行動をさせたときに、前記センサが出力する外部の状態を表すセンサデータと、
前記ロボットに前記所定の行動させるときに、前記ロボットを駆動するモータに供給されるモータデータと
をコンポーネントとするベクトルの時系列である
請求項1に記載のデータ処理装置。
【請求項3】
前記認識学習処理手段は、前記入力時系列パターン記憶ネットワークの各ノードが、前記所定の時間単位の入力データに適合する度合いを表すスコアを求め、前記入力時系列パターン記憶ネットワークのノードのうちの、前記スコアが最も良いノードを、前記入力勝者ノードに決定し、
前記生成学習処理手段は、前記出力時系列パターン記憶ネットワークの各ノードが、前記所定の時間単位の出力データに適合する度合いを表すスコアを求め、前記出力時系列パターン記憶ネットワークのノードのうちの、前記スコアが最も良いノードを、前記出力勝者ノードに決定する
場合において、
前記認識学習処理手段は、前記所定の時間単位の入力データの前記センサデータに対するスコアと、前記モータデータに対するスコアとの重み付け加算により、前記入力時系列パターン記憶ネットワークの各ノードのスコアを求め、そのスコアが最も良いノードを、前記入力勝者ノードに決定し、
前記生成学習処理手段は、前記所定の時間単位の出力データの前記センサデータに対するスコアと、前記モータデータに対するスコアとの重み付け加算により、前記出力時系列パターン記憶ネットワークの各ノードのスコアを求め、そのスコアが最も良いノードを、前記出力勝者ノードに決定する。
請求項2に記載のデータ処理装置。
【請求項4】
前記入力データから所定の時間単位の入力データを抽出する入力データ抽出手段と、
前記入出力関係モデルにおける前記入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである入力勝者ノードを決定する入力勝者ノード決定手段と、
前記出力時系列パターン記憶ネットワークのノードの中から、前記入力勝者ノードとの結合が最強のノードを、時系列データを生成する生成ノードとして決定する生成ノード決定手段と、
前記生成ノードが有する前記時系列パターンモデルに基づいて、時系列データを生成する生成手段と
をさらに備える請求項1に記載のデータ処理装置。
【請求項5】
前記入力時系列パターン記憶ネットワークの各ノードが、前記所定の時間単位の入力データに適合する度合いを表すスコアを求めるスコア計算手段をさらに備え、
前記同一の時系列データである入力データおよび出力データは、
外部の状態を検知するセンサを有するロボットに所定の行動をさせたときに、前記センサが出力する外部の状態を表すセンサデータと、
前記ロボットに前記所定の行動させるときに、前記ロボットを駆動するモータに供給されるモータデータと
をコンポーネントとするベクトルの時系列であり、
前記スコア計算手段は、前記所定の時間単位の入力データの前記センサデータに対するスコアと、前記モータデータに対するスコアとの重み付け加算により、前記入力時系列パターン記憶ネットワークの各ノードのスコアを求め、
前記入力勝者ノード決定手段は、前記重み付け加算により求められたスコアが最も良いノードを、前記入力勝者ノードに決定する
請求項4に記載のデータ処理装置。
【請求項6】
時系列データの学習を行うデータ処理装置のデータ処理方法において、
同一の時系列データである入力データと出力データとのうちの、前記入力データから所定の時間単位の入力データを抽出するとともに、前記出力データから前記所定の時間単位の出力データを抽出し、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される入力時系列パターン記憶ネットワーク、および出力時系列パターン記憶ネットワークを有し、
前記入力時系列パターン記憶ネットワークのノードと、前記出力時系列パターン記憶ネットワークのノードとが結合されている
入出力関係モデルにおける前記入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである入力勝者ノードを決定し、前記入力勝者ノードに基づいて、前記入力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記出力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の出力データに最も適合するノードである出力勝者ノードを決定し、前記出力勝者ノードに基づいて、前記出力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記入力時系列パターン記憶ネットワークの前記所定の時間単位の入力データに対する前記入力勝者ノードと、前記出力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の出力データに対する前記出力勝者ノードとの結合の度合いを表す結合重みを強めるように更新する
ステップを含むデータ処理方法。
【請求項7】
時系列データの学習を行うデータ処理を、コンピュータに実行させるプログラムにおいて、
同一の時系列データである入力データと出力データとのうちの、前記入力データから所定の時間単位の入力データを抽出するとともに、前記出力データから前記所定の時間単位の出力データを抽出し、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される入力時系列パターン記憶ネットワーク、および出力時系列パターン記憶ネットワークを有し、
前記入力時系列パターン記憶ネットワークのノードと、前記出力時系列パターン記憶ネットワークのノードとが結合されている
入出力関係モデルにおける前記入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである入力勝者ノードを決定し、前記入力勝者ノードに基づいて、前記入力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記出力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の出力データに最も適合するノードである出力勝者ノードを決定し、前記出力勝者ノードに基づいて、前記出力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記入力時系列パターン記憶ネットワークの前記所定の時間単位の入力データに対する前記入力勝者ノードと、前記出力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の出力データに対する前記出力勝者ノードとの結合の度合いを表す結合重みを強めるように更新する
ステップを含む前記データ処理を、コンピュータに実行させるプログラム。
【請求項8】
時系列データの学習を行うデータ処理装置において、
時系列データから所定の時間単位の時系列データを抽出するデータ抽出手段と、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される時系列パターン記憶ネットワークを有し、前記時系列パターン記憶ネットワークのノードどうしが結合されている入出力関係モデルにおける前記時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の時系列データに最も適合するノードである勝者ノードを決定し、前記勝者ノードに基づいて、前記時系列パターン記憶ネットワークを、自己組織的に更新する認識学習処理手段と、
前記時系列パターン記憶ネットワークの前記勝者ノードのうちの、前記所定の時間単位の時系列データに対する勝者ノードと、前記所定の時間単位の時系列データの時刻から一定の時間だけ遅れた前記所定の時間単位の時系列データに対する勝者ノードとの結合の度合いを表す結合重みを強めるように更新する結合重み更新手段と
を備えるデータ処理装置。
【請求項9】
前記時系列データは、
外部の状態を検知するセンサを有するロボットに所定の行動をさせたときに、前記センサが出力する外部の状態を表すセンサデータと、
前記ロボットに前記所定の行動させるときに、前記ロボットを駆動するモータに供給されるモータデータと
をコンポーネントとするベクトルの時系列である
請求項8に記載のデータ処理装置。
【請求項10】
前記認識学習処理手段は、前記時系列パターン記憶ネットワークの各ノードが、前記所定の時間単位の時系列データに適合する度合いを表すスコアを求め、前記時系列パターン記憶ネットワークのノードのうちの、前記スコアが最も良いノードを、前記勝者ノードに決定する場合において、
前記認識学習処理手段は、前記所定の時間単位の時系列データの前記センサデータに対するスコアと、前記モータデータに対するスコアとの重み付け加算により、前記時系列パターン記憶ネットワークの各ノードのスコアを求め、そのスコアが最も良いノードを、前記勝者ノードに決定する
請求項9に記載のデータ処理装置。
【請求項11】
時系列データの学習を行うデータ処理装置のデータ処理方法において、
時系列データから所定の時間単位の時系列データを抽出し、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される時系列パターン記憶ネットワークを有し、前記時系列パターン記憶ネットワークのノードどうしが結合されている入出力関係モデルにおける前記時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の時系列データに最も適合するノードである勝者ノードを決定し、前記勝者ノードに基づいて、前記時系列パターン記憶ネットワークを、自己組織的に更新し、
前記時系列パターン記憶ネットワークの前記勝者ノードのうちの、前記所定の時間単位の時系列データに対する勝者ノードと、前記所定の時間単位の時系列データの時刻から一定の時間だけ遅れた前記所定の時間単位の時系列データに対する勝者ノードとの結合の度合いを表す結合重みを強めるように更新する
ステップを含むデータ処理方法。
【請求項12】
時系列データの学習を行うデータ処理を、コンピュータに実行させるプログラムにおいて、
時系列データから所定の時間単位の時系列データを抽出し、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される時系列パターン記憶ネットワークを有し、前記時系列パターン記憶ネットワークのノードどうしが結合されている入出力関係モデルにおける前記時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の時系列データに最も適合するノードである勝者ノードを決定し、前記勝者ノードに基づいて、前記時系列パターン記憶ネットワークを、自己組織的に更新し、
前記時系列パターン記憶ネットワークの前記勝者ノードのうちの、前記所定の時間単位の時系列データに対する勝者ノードと、前記所定の時間単位の時系列データの時刻から一定の時間だけ遅れた前記所定の時間単位の時系列データに対する勝者ノードとの結合の度合いを表す結合重みを強めるように更新する
ステップを含む前記データ処理を、コンピュータに実行させるプログラム。
【請求項13】
時系列データを生成するデータ処理装置において、
時系列データから所定の時間単位の時系列データを抽出するデータ抽出手段と、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される時系列パターン記憶ネットワークを有し、前記時系列パターン記憶ネットワークのノードどうしが結合されている入出力関係モデルにおける前記時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の時系列データに最も適合するノードである勝者ノードを決定する勝者ノード決定手段と、
前記時系列パターン記憶ネットワークのノードの中から、前記勝者ノードとの結合が最強のノードを、時系列データを生成する生成ノードとして決定する生成ノード決定手段と、
前記生成ノードが有する前記時系列パターンモデルに基づいて、時系列データを生成する生成手段と
を備えるデータ処理装置。
【請求項14】
前記時系列パターン記憶ネットワークの各ノードが、前記所定の時間単位の時系列データに適合する度合いを表すスコアを求めるスコア計算手段をさらに備え、
前記時系列データは、
外部の状態を検知するセンサを有するロボットに所定の行動をさせたときに、前記センサが出力する外部の状態を表すセンサデータと、
前記ロボットに前記所定の行動させるときに、前記ロボットを駆動するモータに供給されるモータデータと
をコンポーネントとするベクトルの時系列であり、
前記スコア計算手段は、前記所定の時間単位の時系列データの前記センサデータに対するスコアと、前記モータデータに対するスコアとの重み付け加算により、前記時系列パターン記憶ネットワークの各ノードのスコアを求め、
前記勝者ノード決定手段は、前記重み付け加算により求められたスコアが最も良いノードを、前記勝者ノードに決定する
請求項13に記載のデータ処理装置。
【請求項15】
時系列データを生成するデータ処理装置のデータ処理方法において、
時系列データから所定の時間単位の時系列データを抽出し、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される時系列パターン記憶ネットワークを有し、前記時系列パターン記憶ネットワークのノードどうしが結合されている入出力関係モデルにおける前記時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の時系列データに最も適合するノードである勝者ノードを決定し、
前記時系列パターン記憶ネットワークのノードの中から、前記勝者ノードとの結合が最強のノードを、時系列データを生成する生成ノードとして決定し、
前記生成ノードが有する前記時系列パターンモデルに基づいて、時系列データを生成する
ステップを含むデータ処理方法。
【請求項16】
時系列データを生成するデータ処理を、コンピュータに実行させるプログラムにおいて、
時系列データから所定の時間単位の時系列データを抽出し、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される時系列パターン記憶ネットワークを有し、前記時系列パターン記憶ネットワークのノードどうしが結合されている入出力関係モデルにおける前記時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の時系列データに最も適合するノードである勝者ノードを決定し、
前記時系列パターン記憶ネットワークのノードの中から、前記勝者ノードとの結合が最強のノードを、時系列データを生成する生成ノードとして決定し、
前記生成ノードが有する前記時系列パターンモデルに基づいて、時系列データを生成する
ステップを含む前記データ処理を、コンピュータに実行させるプログラム。
【請求項1】
時系列データの学習を行うデータ処理装置において、
同一の時系列データである入力データと出力データとのうちの、前記入力データから所定の時間単位の入力データを抽出するとともに、前記出力データから前記所定の時間単位の出力データを抽出する入出力データ抽出手段と、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される入力時系列パターン記憶ネットワーク、および出力時系列パターン記憶ネットワークを有し、
前記入力時系列パターン記憶ネットワークのノードと、前記出力時系列パターン記憶ネットワークのノードとが結合されている
入出力関係モデルにおける前記入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである入力勝者ノードを決定し、前記入力勝者ノードに基づいて、前記入力時系列パターン記憶ネットワークを、自己組織的に更新する認識学習処理手段と、
前記出力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の出力データに最も適合するノードである出力勝者ノードを決定し、前記出力勝者ノードに基づいて、前記出力時系列パターン記憶ネットワークを、自己組織的に更新する生成学習処理手段と、
前記入力時系列パターン記憶ネットワークの前記所定の時間単位の入力データに対する前記入力勝者ノードと、前記出力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の出力データに対する前記出力勝者ノードとの結合の度合いを表す結合重みを強めるように更新する結合重み更新手段と
を備えるデータ処理装置。
【請求項2】
前記同一の時系列データである入力データおよび出力データは、
外部の状態を検知するセンサを有するロボットに所定の行動をさせたときに、前記センサが出力する外部の状態を表すセンサデータと、
前記ロボットに前記所定の行動させるときに、前記ロボットを駆動するモータに供給されるモータデータと
をコンポーネントとするベクトルの時系列である
請求項1に記載のデータ処理装置。
【請求項3】
前記認識学習処理手段は、前記入力時系列パターン記憶ネットワークの各ノードが、前記所定の時間単位の入力データに適合する度合いを表すスコアを求め、前記入力時系列パターン記憶ネットワークのノードのうちの、前記スコアが最も良いノードを、前記入力勝者ノードに決定し、
前記生成学習処理手段は、前記出力時系列パターン記憶ネットワークの各ノードが、前記所定の時間単位の出力データに適合する度合いを表すスコアを求め、前記出力時系列パターン記憶ネットワークのノードのうちの、前記スコアが最も良いノードを、前記出力勝者ノードに決定する
場合において、
前記認識学習処理手段は、前記所定の時間単位の入力データの前記センサデータに対するスコアと、前記モータデータに対するスコアとの重み付け加算により、前記入力時系列パターン記憶ネットワークの各ノードのスコアを求め、そのスコアが最も良いノードを、前記入力勝者ノードに決定し、
前記生成学習処理手段は、前記所定の時間単位の出力データの前記センサデータに対するスコアと、前記モータデータに対するスコアとの重み付け加算により、前記出力時系列パターン記憶ネットワークの各ノードのスコアを求め、そのスコアが最も良いノードを、前記出力勝者ノードに決定する。
請求項2に記載のデータ処理装置。
【請求項4】
前記入力データから所定の時間単位の入力データを抽出する入力データ抽出手段と、
前記入出力関係モデルにおける前記入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである入力勝者ノードを決定する入力勝者ノード決定手段と、
前記出力時系列パターン記憶ネットワークのノードの中から、前記入力勝者ノードとの結合が最強のノードを、時系列データを生成する生成ノードとして決定する生成ノード決定手段と、
前記生成ノードが有する前記時系列パターンモデルに基づいて、時系列データを生成する生成手段と
をさらに備える請求項1に記載のデータ処理装置。
【請求項5】
前記入力時系列パターン記憶ネットワークの各ノードが、前記所定の時間単位の入力データに適合する度合いを表すスコアを求めるスコア計算手段をさらに備え、
前記同一の時系列データである入力データおよび出力データは、
外部の状態を検知するセンサを有するロボットに所定の行動をさせたときに、前記センサが出力する外部の状態を表すセンサデータと、
前記ロボットに前記所定の行動させるときに、前記ロボットを駆動するモータに供給されるモータデータと
をコンポーネントとするベクトルの時系列であり、
前記スコア計算手段は、前記所定の時間単位の入力データの前記センサデータに対するスコアと、前記モータデータに対するスコアとの重み付け加算により、前記入力時系列パターン記憶ネットワークの各ノードのスコアを求め、
前記入力勝者ノード決定手段は、前記重み付け加算により求められたスコアが最も良いノードを、前記入力勝者ノードに決定する
請求項4に記載のデータ処理装置。
【請求項6】
時系列データの学習を行うデータ処理装置のデータ処理方法において、
同一の時系列データである入力データと出力データとのうちの、前記入力データから所定の時間単位の入力データを抽出するとともに、前記出力データから前記所定の時間単位の出力データを抽出し、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される入力時系列パターン記憶ネットワーク、および出力時系列パターン記憶ネットワークを有し、
前記入力時系列パターン記憶ネットワークのノードと、前記出力時系列パターン記憶ネットワークのノードとが結合されている
入出力関係モデルにおける前記入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである入力勝者ノードを決定し、前記入力勝者ノードに基づいて、前記入力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記出力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の出力データに最も適合するノードである出力勝者ノードを決定し、前記出力勝者ノードに基づいて、前記出力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記入力時系列パターン記憶ネットワークの前記所定の時間単位の入力データに対する前記入力勝者ノードと、前記出力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の出力データに対する前記出力勝者ノードとの結合の度合いを表す結合重みを強めるように更新する
ステップを含むデータ処理方法。
【請求項7】
時系列データの学習を行うデータ処理を、コンピュータに実行させるプログラムにおいて、
同一の時系列データである入力データと出力データとのうちの、前記入力データから所定の時間単位の入力データを抽出するとともに、前記出力データから前記所定の時間単位の出力データを抽出し、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される入力時系列パターン記憶ネットワーク、および出力時系列パターン記憶ネットワークを有し、
前記入力時系列パターン記憶ネットワークのノードと、前記出力時系列パターン記憶ネットワークのノードとが結合されている
入出力関係モデルにおける前記入力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の入力データに最も適合するノードである入力勝者ノードを決定し、前記入力勝者ノードに基づいて、前記入力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記出力時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の出力データに最も適合するノードである出力勝者ノードを決定し、前記出力勝者ノードに基づいて、前記出力時系列パターン記憶ネットワークを、自己組織的に更新し、
前記入力時系列パターン記憶ネットワークの前記所定の時間単位の入力データに対する前記入力勝者ノードと、前記出力時系列パターン記憶ネットワークの、前記所定の時間単位の入力データの時刻から一定の時間だけ遅れた前記所定の時間単位の出力データに対する前記出力勝者ノードとの結合の度合いを表す結合重みを強めるように更新する
ステップを含む前記データ処理を、コンピュータに実行させるプログラム。
【請求項8】
時系列データの学習を行うデータ処理装置において、
時系列データから所定の時間単位の時系列データを抽出するデータ抽出手段と、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される時系列パターン記憶ネットワークを有し、前記時系列パターン記憶ネットワークのノードどうしが結合されている入出力関係モデルにおける前記時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の時系列データに最も適合するノードである勝者ノードを決定し、前記勝者ノードに基づいて、前記時系列パターン記憶ネットワークを、自己組織的に更新する認識学習処理手段と、
前記時系列パターン記憶ネットワークの前記勝者ノードのうちの、前記所定の時間単位の時系列データに対する勝者ノードと、前記所定の時間単位の時系列データの時刻から一定の時間だけ遅れた前記所定の時間単位の時系列データに対する勝者ノードとの結合の度合いを表す結合重みを強めるように更新する結合重み更新手段と
を備えるデータ処理装置。
【請求項9】
前記時系列データは、
外部の状態を検知するセンサを有するロボットに所定の行動をさせたときに、前記センサが出力する外部の状態を表すセンサデータと、
前記ロボットに前記所定の行動させるときに、前記ロボットを駆動するモータに供給されるモータデータと
をコンポーネントとするベクトルの時系列である
請求項8に記載のデータ処理装置。
【請求項10】
前記認識学習処理手段は、前記時系列パターン記憶ネットワークの各ノードが、前記所定の時間単位の時系列データに適合する度合いを表すスコアを求め、前記時系列パターン記憶ネットワークのノードのうちの、前記スコアが最も良いノードを、前記勝者ノードに決定する場合において、
前記認識学習処理手段は、前記所定の時間単位の時系列データの前記センサデータに対するスコアと、前記モータデータに対するスコアとの重み付け加算により、前記時系列パターン記憶ネットワークの各ノードのスコアを求め、そのスコアが最も良いノードを、前記勝者ノードに決定する
請求項9に記載のデータ処理装置。
【請求項11】
時系列データの学習を行うデータ処理装置のデータ処理方法において、
時系列データから所定の時間単位の時系列データを抽出し、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される時系列パターン記憶ネットワークを有し、前記時系列パターン記憶ネットワークのノードどうしが結合されている入出力関係モデルにおける前記時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の時系列データに最も適合するノードである勝者ノードを決定し、前記勝者ノードに基づいて、前記時系列パターン記憶ネットワークを、自己組織的に更新し、
前記時系列パターン記憶ネットワークの前記勝者ノードのうちの、前記所定の時間単位の時系列データに対する勝者ノードと、前記所定の時間単位の時系列データの時刻から一定の時間だけ遅れた前記所定の時間単位の時系列データに対する勝者ノードとの結合の度合いを表す結合重みを強めるように更新する
ステップを含むデータ処理方法。
【請求項12】
時系列データの学習を行うデータ処理を、コンピュータに実行させるプログラムにおいて、
時系列データから所定の時間単位の時系列データを抽出し、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される時系列パターン記憶ネットワークを有し、前記時系列パターン記憶ネットワークのノードどうしが結合されている入出力関係モデルにおける前記時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の時系列データに最も適合するノードである勝者ノードを決定し、前記勝者ノードに基づいて、前記時系列パターン記憶ネットワークを、自己組織的に更新し、
前記時系列パターン記憶ネットワークの前記勝者ノードのうちの、前記所定の時間単位の時系列データに対する勝者ノードと、前記所定の時間単位の時系列データの時刻から一定の時間だけ遅れた前記所定の時間単位の時系列データに対する勝者ノードとの結合の度合いを表す結合重みを強めるように更新する
ステップを含む前記データ処理を、コンピュータに実行させるプログラム。
【請求項13】
時系列データを生成するデータ処理装置において、
時系列データから所定の時間単位の時系列データを抽出するデータ抽出手段と、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される時系列パターン記憶ネットワークを有し、前記時系列パターン記憶ネットワークのノードどうしが結合されている入出力関係モデルにおける前記時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の時系列データに最も適合するノードである勝者ノードを決定する勝者ノード決定手段と、
前記時系列パターン記憶ネットワークのノードの中から、前記勝者ノードとの結合が最強のノードを、時系列データを生成する生成ノードとして決定する生成ノード決定手段と、
前記生成ノードが有する前記時系列パターンモデルに基づいて、時系列データを生成する生成手段と
を備えるデータ処理装置。
【請求項14】
前記時系列パターン記憶ネットワークの各ノードが、前記所定の時間単位の時系列データに適合する度合いを表すスコアを求めるスコア計算手段をさらに備え、
前記時系列データは、
外部の状態を検知するセンサを有するロボットに所定の行動をさせたときに、前記センサが出力する外部の状態を表すセンサデータと、
前記ロボットに前記所定の行動させるときに、前記ロボットを駆動するモータに供給されるモータデータと
をコンポーネントとするベクトルの時系列であり、
前記スコア計算手段は、前記所定の時間単位の時系列データの前記センサデータに対するスコアと、前記モータデータに対するスコアとの重み付け加算により、前記時系列パターン記憶ネットワークの各ノードのスコアを求め、
前記勝者ノード決定手段は、前記重み付け加算により求められたスコアが最も良いノードを、前記勝者ノードに決定する
請求項13に記載のデータ処理装置。
【請求項15】
時系列データを生成するデータ処理装置のデータ処理方法において、
時系列データから所定の時間単位の時系列データを抽出し、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される時系列パターン記憶ネットワークを有し、前記時系列パターン記憶ネットワークのノードどうしが結合されている入出力関係モデルにおける前記時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の時系列データに最も適合するノードである勝者ノードを決定し、
前記時系列パターン記憶ネットワークのノードの中から、前記勝者ノードとの結合が最強のノードを、時系列データを生成する生成ノードとして決定し、
前記生成ノードが有する前記時系列パターンモデルに基づいて、時系列データを生成する
ステップを含むデータ処理方法。
【請求項16】
時系列データを生成するデータ処理を、コンピュータに実行させるプログラムにおいて、
時系列データから所定の時間単位の時系列データを抽出し、
時系列データのパターンである時系列パターンを表現する時系列パターンモデルを有する複数のノードから構成される時系列パターン記憶ネットワークを有し、前記時系列パターン記憶ネットワークのノードどうしが結合されている入出力関係モデルにおける前記時系列パターン記憶ネットワークのノードの中から、前記所定の時間単位の時系列データに最も適合するノードである勝者ノードを決定し、
前記時系列パターン記憶ネットワークのノードの中から、前記勝者ノードとの結合が最強のノードを、時系列データを生成する生成ノードとして決定し、
前記生成ノードが有する前記時系列パターンモデルに基づいて、時系列データを生成する
ステップを含む前記データ処理を、コンピュータに実行させるプログラム。
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30】
【図31】
【図32】
【図33】
【図34】
【図35】
【図36】
【図37】
【図38】
【図39】
【図40】
【図41】
【図42】
【図43】
【図44】
【図45】
【図46】
【図47】
【図48】
【図49】
【図50】
【図51】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】
【図26】
【図27】
【図28】
【図29】
【図30】
【図31】
【図32】
【図33】
【図34】
【図35】
【図36】
【図37】
【図38】
【図39】
【図40】
【図41】
【図42】
【図43】
【図44】
【図45】
【図46】
【図47】
【図48】
【図49】
【図50】
【図51】
【公開番号】特開2007−280009(P2007−280009A)
【公開日】平成19年10月25日(2007.10.25)
【国際特許分類】
【出願番号】特願2006−104984(P2006−104984)
【出願日】平成18年4月6日(2006.4.6)
【出願人】(000002185)ソニー株式会社 (34,172)
【公開日】平成19年10月25日(2007.10.25)
【国際特許分類】
【出願日】平成18年4月6日(2006.4.6)
【出願人】(000002185)ソニー株式会社 (34,172)
[ Back to top ]