【課題】時系列データの時系列パターンを適切な要素パターンに分けた学習を、容易に行う。
【解決手段】データ抽出部２は、ウインドウの位置をずらすことで、時系列データから、例えば、N個のモデル学習用データを抽出し、i番目の各モデル学習用データを、学習モジュール１０_iに分配する。学習モジュール１０₁ないし１０_Nは、モデル学習用データを用いて、パターン学習モデルを定義するモデルパラメータを更新する更新学習を行う。モデルパラメータ共有部２０は、学習モジュール１０₁ないし１０_Nに、モデルパラメータを共有させる。本発明は、例えば、時系列パターンの学習等に適用できる。 （もっと読む）

【課題】本発明の目的は、計測対象プラントの正確なプラント状態の把握とプラント制御
性能の向上を図るプラントのデータ処理装置を提供する。
【解決手段】プラントのデータ処理装置は、計測対象のプラントの状態量を計測したプラ
ントの計測信号をデータ処理装置に取り込む外部入力インターフェイスと、計測したプラ
ントの計測信号を保存する計測信号データベースと、モデル入力または計測されたプラン
トの計測信号を入力として計測対象の前記プラントのプラント特性を模擬するモデルと、
モデルで模擬したモデル出力がモデル出力の目標値を達成するように前記モデルに与える
パラメータを学習する学習部と、学習部による学習結果に基づいて前記プラントの計測信
号からノイズ及び計測器のドリフトを除去する処理信号を演算する処理部と、処理部で演
算した処理信号をこのデータ処理装置から外部に出力する外部出力インターフェイスとを
備えて構成した。 （もっと読む）

【課題】複数音の混在パターンから複数の音源の種類を識別することが可能な複数音識別装置を提供する。
【解決手段】複数個の競合学習ニューロン５１と、競合学習ニューロン５１の複数発火と無発火とを検出する制御ニューロン群６０とを備え、制御ニューロン群６０からの出力を用いて、参照ベクトルが入力ベクトルに最も近い競合学習ニューロン５１のみが発火する方向に制御を行い、認識単位時間内に発火頻度が最大になった競合学習ニューロン５１によって、１の音源種類の特定情報を出力した後、特定された音源種類を示す競合学習ニューロン５１の出力を０にして、次の認識単位時間内に発火頻度が最大になった前記競合学習ニューロン５１によって、他の音源種類の特定情報を出力することを特徴とする複数音識別装置１。 （もっと読む）

【課題】
本発明では、少ない記憶容量で多数の信号パターンを生成することができる新規信号生成装置を提供することを目的とする。
【解決手段】
本発明に係る新規信号生成装置では、入力層と中間層と出力層とから構成される砂時計型ニューラルネットワークに関して、前記砂時計型ニューラルネットワークへ入力されたデータに基づき、前記出力層からデータを出力する新規信号生成装置であって、前記入力層に入力される教師データと前記出力層から出力される当該教師データとが等しくなるような前記砂時計型ニューラルネットワークの学習を行った結果、前記教師データに関する特徴量を前記中間層の一部を構成する圧縮層からの出力として抽出する特徴量抽出手段と、前記特徴量抽出手段により抽出された前記特徴量を変更したデータを、前記圧縮層からの出力とする信号変更手段と、前記信号変更手段により変更された前記データに基づき、前記出力層からデータを出力する信号生成手段と、を有することを特徴とする。 （もっと読む）

【課題】引用関係を有する文書により構成されるネットワークにおいて、引用に対する重み付けを両者間の関係に応じて適切に設定して、引用ネットワークのモデリング精度をより向上させる。
【解決手段】情報分析装置は、複数のノード毎にデータ値を関連づけて記憶し、複数のノードうち少なくとも一部のノード間にリンクを設定し、リンクが設定されたノードの双方からそれぞれ抽出された所定の情報の相互の関連性に基づいて、当該リンクの重みを設定し、複数のノード毎に、当該ノードにリンクする他のノードのデータ値及び当該リンクの重みに基づいて、当該ノードに関連づけられたデータ値を更新する。 （もっと読む）

【課題】短い時間で学習ができるようにする。
【解決手段】時系列データ変換部１２は、学習された特性に基づいて、入力時系列データを変換時系列データに変換する。関数近似部１３は、学習された入出力変数間の関数関係に基づいて、変換時系列データから出力時系列データを生成する。時系列データ変換部１２と関数近似部１３は、それぞれが有するパラメータを自律的に更新する。記時系列データ変換部１２は、入力データを１度に１個だけ受け付け、その１個の入力データに対応する出力データを１個だけ出力する１個以上のモデルにより、現時点の入力時系列データとモデルのパラメータの積と、モデルのパラメータを含む減衰項とモデルの直前の出力データとの積の和を演算することによって変換時系列データを演算する。 （もっと読む）

【課題】時系列データを適切に分節化して学習を行う。
【解決手段】ダイナミクス記憶ネットワークは、複数のノードによって構成され、ダイナミクスを１つのノードに保持する。勝者ノード決定部４１は、観測時系列データに最も適合するダイナミクスを保持するノードである勝者ノードを、観測時系列データのサンプル点ごとに決定し、学習重み決定部４２は、勝者ノードから各ノードまでの距離に応じて、各ノードが保持するダイナミクスを更新する程度を表す学習重みを、各ノードについて、観測時系列データのサンプル点ごとに決定する。時系列重み利用更新部３３は、各ノードが保持するダイナミクスを、各ノードについてのサンプル点ごとの学習重みに応じて、観測時系列データのダイナミクスに近くなるように、自己組織的に更新する。本発明は、例えば、自律型ロボット等に適用できる。 （もっと読む）

【課題】入力変数の数が多い場合でも関数を精度良く近似すると共に、近似するために必要な学習のコストを低減すること。
【解決手段】入力層（Ｎａ）が、３以上の入力変数（ｘ，ｖ，θ，ω）の各値が入力される各入力素子（ｓ_ｘ１，ｓ_ｘ２，…，ｓ_ｘｎ，ｓ_ｖ１，ｓ_ｖ２，…，ｓ_ｖｎ，ｓ_θ１，ｓ_θ２，…，ｓ_θｎ，ｓ_ω１，ｓ_ω２，…，ｓ_ωｎ）により構成され、３以上の入力変数（ｘ，ｖ，θ，ω）の各値をそれぞれ入力する入力変数入力手段（Ｃ７Ａ）と、３以上の入力変数（ｘ，ｖ，θ，ω）の中のいずれか２つの入力変数を一組とした入力変数組が設定され、入力変数組の一方の入力変数の各値と、入力変数組の他方の入力変数の各値に基づいて演算される各第１出力感度と、に基づいて、中間変数（ｙ）の各値をそれぞれ演算する中間変数演算手段（Ｃ７Ｃ）とを備えたことを特徴とする関数近似装置（Ｃ）。 （もっと読む）

処理部と、変数を処理部に入力する入力部と、処理した変数を処理部から出力する出力部とを具備し、処理部は、接続性マトリクスを形成するそれぞれ同一である相互接続によって、互いに相互接続されている複数のオートマトンを備え、ニューロナルネットワーク構造は、プロセス・ベースのアーキテクチャを有する、ニューロナルネットワーク構造。
（もっと読む）

本発明は、コンピュータ支援によって技術システムを閉ループ制御および／または開ループ制御する方法に関する。この方法では、強化された学習方法および人工ニューラルネットワークが使用される。ここではフィードフォワードネットワークを互いに結合して、上記のアーキテクチャが最適性判定基準を満たすようにする。ここで上記のネットワークは、観察される報酬を推定値として、予想される報酬に近似する。これによって、実際に行われる観察だけが最適に利用されて、品質関数が決定される。上記のネットワークにおいて、上記の品質関数についての最適なアクションがニューラルネットワークによってモデル化され、この学習されたニューラルネットワークにより、与えられた制御問題に対する最適なアクション選択ルールが得られる。本発明は、閉ループ制御ないしは開ループ制御を行うために任意の技術システムに使用することができ、好適な適用分野は、タービン、殊にガスタービンの閉ループ制御ないしは開ループ制御である。本発明のさらなる利点は、これが、連続的なアクションを有する制御方法に使用できることである。
（もっと読む）