【課題】ローカルモジュールアーキテクチャにおいて、複数の学習器の予測処理が共同して行われることができるようにする。
【解決手段】図７Ａに示す教師データとして学習した予測部に、教師データと同じデータを入力させた場合、混合部の各RNNの混合係数が、図７Ｂに示すように、予測誤差が減少する方向に変化し、その結果図７Ｃに示すような予測信号が出力される。なお図７Ｂは、混合部における５個のRNNに対応する混合係数α1、α2、α3、α4、およびα5の大きさの変化を、グレースケール諧調であらわしており、白色が１を示し、色が濃くなるほど小さい値を示し、黒色が０を示している。本発明は、ロボットの制御装置に適用できる。 （もっと読む）

【課題】RNNにおいて、長いシーケンスの学習または生成を可能とする。
【解決手段】RNN（リカレント型ニューラルネットワーク）４１において、入力ノード６１−ｉへの次の入力を、その１つ前の入力ノード６１−ｉへの入力に、出力ノード６４−ｉの出力を所定の割合で足しこむことによって生成し、コンテキスト入力ノード６２−ｋへの次の入力を、その１つ前のコンテキスト入力ノード６２−ｋへの入力に、コンテキスト出力ノード６５−ｋの出力を所定の割合で足しこむことによって生成する。本発明は、例えば、リカレント型ニューラルネットワークを用いた情報処理装置に適用できる。 （もっと読む）

【課題】 傾向の異なるデータが入力された場合でも，適切にデータを分析することの可能なデータ分析装置およびデータ分析方法を提供する。
【解決手段】 データ分析装置１００は，参照ベクトルをそれぞれ含む複数のセルが配列されてなる自己組織化マップＭを記憶する参照ベクトル記憶部１８３と，学習係数を記憶する学習係数記憶部１８５と，特徴ベクトルを含む入力データが入力されるデータ入力部１１０と，参照ベクトル記憶部１８３を参照して，各セルと入力データとの類似度をそれぞれ算出し，入力データの特徴ベクトルと最も類似する参照ベクトルを含むセルを最適セルとして決定する最適セル決定部１３０と，最適セルと入力データとの類似度と，類似度の閾値とを比較する類似度比較部１４０と，類似度に基づいて学習係数記憶部１８５に記憶された学習係数を修正する学習係数修正部１５０と，学習対象セルを決定し，学習を実行する学習部１６０とを備える。 （もっと読む）

【課題】 現実的なニューラル・モデル（一組の要領またはルール）と、この提案されたニューラル・モデルを考慮に入れて、脳の動作原理に基づいて動作できるデバイス（プロセッサ）とを原則として作り上げる。
【解決手段】 本発明は、周囲電極の中央にあり、かつ多値準位システムまたはニューロンが収められている面上で、あらゆる方向から水平に複数の入力信号が与えられ、また、その面上の様々な地点にて出力信号が垂直に取り出される一対のテンプレートを含む垂直水平プロセッサ（「標準垂直水平プロセッサ」とも呼ぶ）を提供する。本発明はまた、上記の垂直水平プロセッサを含むクラスタ、上記の垂直水平プロセッサを含む修正仮想ソース・ニューラル・ネットワーク・モデル、および、上記垂直水平プロセッサを学習させるプロセッサ学習法も提供する。 （もっと読む）

【課題】従来よりも好適な認識システムの計算モデルを導出すること。
【解決手段】計算モデルの導出に際しては、計算モデルの原型となる演算式Ｎが要素に有する学習パラメータＷ＝｛ｗ１，…，ｗｓ｝の解を求めるため、サンプルデータ（学習データ）を複数個用意する。また、演算式Ｎが要素に有する非線形関数を多項式近似し（Ｓ１８０）、演算式Ｎを、各入力データに対応する変数Ｘ＝｛ｘ１，…，ｘｍ｝の近似多項式Ｆに変換する（Ｓ１９０）。そして、近似多項式Ｆを構成する各項の変数部を、独立した変数Ｚ＝｛ｚ１，…，ｚｎ｝とし、変数Ｚの近似多項式Ｆに関して、サポートベクタマシンの手法により、サンプルデータに最適な係数ｇ１，…，ｇｎ及び定数項ｇ０を算出する（Ｓ２００）。また、算出した係数ｇ１，…，ｇｎ及び定数項ｇ０に基づき、Ｗの最適解を算出し、この最適解を設定してなる演算式Ｎを、サンプルデータに最適な計算モデルとして導出する。 （もっと読む）

【課題】利用可能な情報を効率的に使用し、訓練時間及び誤差率を改善する。
【解決手段】自動質問分類及び自動回答システム並びに方法が開示される。メインの人工神経回路（ＡＮＮ）と補助ＡＮＮを有するマルチパートＡＮＮは、複数の定義されたカテゴリのうちの１つに従って、受け付けた質問を分類する。一旦補助ＡＮＮが訓練するとウエイトは凍結されてメインのＡＮＮに移転される。メインのＡＮＮは、このとき、ラベル付けされた質問を使用して訓練され得る。本発明によれば、利用可能な情報を効率的に使用でき、単一パートＡＮＮを使用するのに比較して訓練時間及び誤差率を改善できる。 （もっと読む）

【課題】自己組織化マップ法の特徴地図における欠点であった、その空間配置の非一貫性の問題を克服し、再現性のあるクラスタリングを提供する。
【解決手段】自己組織化マップ法の特徴地図における各ユニットを、参照ベクトルの基線からの偏位量をＹ軸に、参照ベクトルの意味空間での重み量をＸ軸にとり、２次元的に配置することにより、各ユニットは、再現性のある配置で分離して表示することができる。意味空間での重み量の算出の１例として、病態診断用の複数の検査項目の場合、このうち半分の項目を（１）糖尿病関連、過栄養、肝障害関連、の意味空間に配分し、残り半分の項目を（２）炎症関連、低栄養・腎機能関連、貧血関連の意味空間に配分し、この２つの意味空間でのベクトルの「重み量」を算出することにより、複数の意味が同じ一方の意味空間に配分されても、例えば、糖尿病関連のユニットと、肝障害関連のユニットとは分離された配置で表示される。 （もっと読む）

【課題】 異常時のデータを用いることなく異常監視を行うとともに、回転機器の正常範囲を意味なく広げることを防ぎ、監視時には回転機器の回転数を考慮する必要がなく、正常状態にばらつきがある場合でも優れた検知精度を有する異常監視方法、および異常監視装置を提供する。
【解決手段】 信号入力部１，特徴量抽出部２，特徴量加工部３を介して生成した複数の学習データをマップ作成部５ａが教師なし競合型ニューラルネットワークに入力してクラスタリングマップを作成した後に、正常範囲作成部５ｂは、全ての学習データを用いて、学習データと発火したニューロンの重みデータとの距離の分布の第１の標準偏差を求め、次に距離が第１の標準偏差に基づいて設定した範囲内にある学習データのみを用いて求めた距離の分布の第２の標準偏差に基づいて各ニューロンの閾値を設定する。 （もっと読む）

【課題】本発明は人工ニューラルネットワーク（ＮＮ）をトレーニングする方法（３０）を提供する。
【解決手段】前記方法（３０）は：トレーニングするＮＮの出力を選択し、ＮＮのニューロンの出力を前記選択した出力のためのＮＮの入力層に接続することによりＮＮを初期化するステップ；ＮＮに学習させるデータセットを用意するステップ；並びに、前記用意したデータセットの入力ベクトルをＮＮの第１の中間層に、又はＮＮに中間層がなければＮＮの出力層に適用することにより前記用意したデータセットをＮＮに適用して学習させるステップ；及び、ＮＮの各層における前記選択した出力のための少なくとも１のニューロンが、入力ベクトルに対する付随出力の生成を学習しうるか否かを決定するステップを含んでなる。ＮＮの１層におけるどのニューロンも入力ベクトルに対する前記付随出力の生成を学習できなければ、その層における全ての他のニューロンが学習できなかった付随出力を学習するために、その層に新規ニューロンが追加される。新規ニューロンは、トレーニングされる出力と関連する次の層において全てのニューロンと接続する出力を有する。出力ニューロンが入力ベクトルを学習できなければ、別のニューロンが同一層に追加され、現状の出力ニューロン及び全ての入力はこれに接続される。このニューロンは、古い出力が学習できなかった入力を学習する。追加ニューロンは次の層に追加される。このニューロンへの入力はＮＮの古い出力及び次の層への新規追加ニューロンである。 （もっと読む）

【課題】高精度な推定が可能なニューラルネットワークを用いた状態推定方法及びその状態推定装置を提供することを課題とする。
【解決手段】ニューラルネットワークを用いた状態推定方法において、入力データと当該入力データのクラスラベルに対応する教師データとに基づいてニューラルネットワークの学習を行う初期学習ステップと、クラスラベルが未知の評価データに仮想のクラスラベルに対応する仮想教師データを割り当てる仮想教師データ割当ステップと、評価データと評価データの仮想教師データとに基づいてニューラルネットワークの学習を行い、当該学習の学習曲線の収束特性を評価する評価ステップと、評価データに割り当てた複数の異なる仮想教師データ毎の複数の学習曲線のうち、収束特性の高い学習曲線の仮想教師データに対応する仮想のクラスラベルを評価データのクラスラベルと推定するクラスラベル推定ステップとを含むことを特徴とする。 （もっと読む）