データ処理装置、データ処理方法、およびプログラム
【課題】バリエーションのある時系列データを生成する。
【解決手段】空間的な配置構造が与えられた複数のノードから構成される出力ネットワークnet12のノードが、時系列データに適合する度合いを表すスコアを求め、スコアが最も良いノードが、時系列データに最も適合するノードである勝者ノードに決定され、その勝者ノードに基づいて、出力ネットワークnet12が、自己組織的に更新される。さらに、時系列データと、出力ネットワークnet12のノードの、時系列データに対するスコアの分布である発火パターンとに基づいて、時系列データと、発火パターンとを対応付ける対時系列対応情報が学習される。本発明は、例えば、ロボットなどに適用できる。
【解決手段】空間的な配置構造が与えられた複数のノードから構成される出力ネットワークnet12のノードが、時系列データに適合する度合いを表すスコアを求め、スコアが最も良いノードが、時系列データに最も適合するノードである勝者ノードに決定され、その勝者ノードに基づいて、出力ネットワークnet12が、自己組織的に更新される。さらに、時系列データと、出力ネットワークnet12のノードの、時系列データに対するスコアの分布である発火パターンとに基づいて、時系列データと、発火パターンとを対応付ける対時系列対応情報が学習される。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、
空間的な配置構造が与えられた複数のノードから構成されるSOM(Self-Organization Map)のノードが、時系列データに適合する度合いを表すスコアを求め、前記スコアが最も良いノードを、前記時系列データに最も適合するノードである勝者ノードに決定し、その勝者ノードに基づいて、前記SOMを、自己組織的に更新する認識学習処理手段と、
前記時系列データの少なくとも一部の時系列データと、前記SOMのノードの、前記時系列データに対するスコアの分布である発火パターンとに基づいて、前記少なくとも一部の時系列データと、前記発火パターンとを対応付ける対時系列対応情報を学習する生成学習処理手段と
を備えるデータ処理装置。
【請求項2】
前記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をさらに備え、
前記認識学習処理手段は、前記SOMのノードが、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、前記スコアが最も良いノードを、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に決定し、その勝者ノードに基づいて、前記SOMを、自己組織的に更新し、
前記生成学習処理手段は、前記所定の時間単位の時系列データの少なくとも一部の時系列データと、前記発火パターンとに基づいて、前記少なくとも一部の時系列データと、前記発火パターンとを対応付ける対時系列対応情報を学習する
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、1の所定の時間単位の時系列データの直前の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距離が所定の距離以内のノードである距離制限ノードの中から、前記1の所定の時間単位の時系列データに対する勝者ノードを決定する
請求項2に記載のデータ処理装置。
【請求項4】
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、
空間的な配置構造が与えられた複数のノードから構成されるSOM(Self-Organization Map)のノードが、時系列データに適合する度合いを表すスコアを求め、前記スコアが最も良いノードを、前記時系列データに最も適合するノードである勝者ノードに決定し、その勝者ノードに基づいて、前記SOMを、自己組織的に更新し、
前記時系列データの少なくとも一部の時系列データと、前記SOMのノードの、前記時系列データに対するスコアの分布である発火パターンとに基づいて、前記少なくとも一部の時系列データと、前記発火パターンとを対応付ける対時系列対応情報を学習する
ステップを含むデータ処理方法。
【請求項5】
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、
空間的な配置構造が与えられた複数のノードから構成されるSOM(Self-Organization Map)のノードが、時系列データに適合する度合いを表すスコアを求め、前記スコアが最も良いノードを、前記時系列データに最も適合するノードである勝者ノードに決定し、その勝者ノードに基づいて、前記SOMを、自己組織的に更新し、
前記時系列データの少なくとも一部の時系列データと、前記SOMのノードの、前記時系列データに対するスコアの分布である発火パターンとに基づいて、前記少なくとも一部の時系列データと、前記発火パターンとを対応付ける対時系列対応情報を学習する
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6】
時系列データの生成を行うデータ処理装置において、
空間的な配置構造が与えられた複数のノードから構成されるSOM(Self-Organization Map)のノードの、時系列データに適合する度合いを表すスコアの分布である発火パターンを決定する発火パターン決定手段と、
時系列データと、前記発火パターンとを対応付ける対時系列対応情報に基づいて、前記発火パターンに対応する時系列データを生成する時系列生成手段と
を備えるデータ処理装置。
【請求項7】
時系列データの生成を行うデータ処理装置のデータ処理方法において、
空間的な配置構造が与えられた複数のノードから構成されるSOM(Self-Organization Map)のノードの、時系列データに適合する度合いを表すスコアの分布である発火パターンを決定し、
時系列データと、前記発火パターンとを対応付ける対時系列対応情報に基づいて、前記発火パターンに対応する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8】
時系列データの生成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、
空間的な配置構造が与えられた複数のノードから構成されるSOM(Self-Organization Map)のノードの、時系列データに適合する度合いを表すスコアの分布である発火パターンを決定し、
時系列データと、前記発火パターンとを対応付ける対時系列対応情報に基づいて、前記発火パターンに対応する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、
空間的な配置構造が与えられた複数のノードから構成されるSOM(Self-Organization Map)のノードが、時系列データに適合する度合いを表すスコアを求め、前記スコアが最も良いノードを、前記時系列データに最も適合するノードである勝者ノードに決定し、その勝者ノードに基づいて、前記SOMを、自己組織的に更新する認識学習処理手段と、
前記時系列データの少なくとも一部の時系列データと、前記SOMのノードの、前記時系列データに対するスコアの分布である発火パターンとに基づいて、前記少なくとも一部の時系列データと、前記発火パターンとを対応付ける対時系列対応情報を学習する生成学習処理手段と
を備えるデータ処理装置。
【請求項2】
前記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をさらに備え、
前記認識学習処理手段は、前記SOMのノードが、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、前記スコアが最も良いノードを、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に決定し、その勝者ノードに基づいて、前記SOMを、自己組織的に更新し、
前記生成学習処理手段は、前記所定の時間単位の時系列データの少なくとも一部の時系列データと、前記発火パターンとに基づいて、前記少なくとも一部の時系列データと、前記発火パターンとを対応付ける対時系列対応情報を学習する
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、1の所定の時間単位の時系列データの直前の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距離が所定の距離以内のノードである距離制限ノードの中から、前記1の所定の時間単位の時系列データに対する勝者ノードを決定する
請求項2に記載のデータ処理装置。
【請求項4】
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、
空間的な配置構造が与えられた複数のノードから構成されるSOM(Self-Organization Map)のノードが、時系列データに適合する度合いを表すスコアを求め、前記スコアが最も良いノードを、前記時系列データに最も適合するノードである勝者ノードに決定し、その勝者ノードに基づいて、前記SOMを、自己組織的に更新し、
前記時系列データの少なくとも一部の時系列データと、前記SOMのノードの、前記時系列データに対するスコアの分布である発火パターンとに基づいて、前記少なくとも一部の時系列データと、前記発火パターンとを対応付ける対時系列対応情報を学習する
ステップを含むデータ処理方法。
【請求項5】
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、
空間的な配置構造が与えられた複数のノードから構成されるSOM(Self-Organization Map)のノードが、時系列データに適合する度合いを表すスコアを求め、前記スコアが最も良いノードを、前記時系列データに最も適合するノードである勝者ノードに決定し、その勝者ノードに基づいて、前記SOMを、自己組織的に更新し、
前記時系列データの少なくとも一部の時系列データと、前記SOMのノードの、前記時系列データに対するスコアの分布である発火パターンとに基づいて、前記少なくとも一部の時系列データと、前記発火パターンとを対応付ける対時系列対応情報を学習する
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6】
時系列データの生成を行うデータ処理装置において、
空間的な配置構造が与えられた複数のノードから構成されるSOM(Self-Organization Map)のノードの、時系列データに適合する度合いを表すスコアの分布である発火パターンを決定する発火パターン決定手段と、
時系列データと、前記発火パターンとを対応付ける対時系列対応情報に基づいて、前記発火パターンに対応する時系列データを生成する時系列生成手段と
を備えるデータ処理装置。
【請求項7】
時系列データの生成を行うデータ処理装置のデータ処理方法において、
空間的な配置構造が与えられた複数のノードから構成されるSOM(Self-Organization Map)のノードの、時系列データに適合する度合いを表すスコアの分布である発火パターンを決定し、
時系列データと、前記発火パターンとを対応付ける対時系列対応情報に基づいて、前記発火パターンに対応する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8】
時系列データの生成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、
空間的な配置構造が与えられた複数のノードから構成されるSOM(Self-Organization Map)のノードの、時系列データに適合する度合いを表すスコアの分布である発火パターンを決定し、
時系列データと、前記発火パターンとを対応付ける対時系列対応情報に基づいて、前記発火パターンに対応する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52】
【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52】
【公開番号】特開2007−280057(P2007−280057A)
【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2006−105549(P2006−105549)
【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 ]