【課題】 時系列データの教師なし学習を、容易に行うことができるようにする。
【解決手段】 ノード学習部４−６−１乃至４−Ｎ−１は、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複数の時系列パターンモデルの更新に関する処理を行い、ネットワーク学習部４−４は、ノード学習部４−６−１乃至４−Ｎ−１を並列的に用いて、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ネットワークである時系列パターン記憶ネットワーク４−５の更新を行う。本発明は、例えば、時系列データの時系列パターンを学習する装置に適用できる。 （もっと読む）

【課題】時系列データの教師なし学習を、容易に行う。
【解決手段】 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HMMを有する複数のノードN_iから構成されるネットワークである時系列パターン記憶ネットワークの更新にあたり、新たな時系列データの観測値が、ノードN_iが有するHMMの学習に用いる学習データとして、その新たな時系列データの観測値に最も適合する勝者ノードに基づいてノードN_iに対して決定された更新重みと対応付けて記憶される。そして、学習処理部３２は、学習データを、その学習データに対応付けられた更新重みで用いて、ノードN_iが有するHMMの学習を行うことにより、そのHMMを更新する。本発明は、例えば、ロボットなどに適用できる。 （もっと読む）

コンピュータで実施される方法がモデル最適化のために提供されている。本方法は或るモデルに対する複数の入力パラメータのそれぞれの分布の記述を取得し、複数の入力パラメータに対するそれぞれの検索範囲を規定することを含み得る。本方法は又モデルのゼータ統計に基づき、望ましい入力パラメータの集合を決定するために該モデルをシミュレートし、望ましい入力パラメータの集合に基づいて入力パラメータのそれぞれの望ましい分布を決定することも含み得る。
（もっと読む）

【課題】時系列データである入力データと出力データとの関係の学習を、容易に行う。
【解決手段】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で構成される入力ネットワークnet_in1,net_in2と出力ネットワークnet_out1,net_out2と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入力ネットワークnet_in1,net_in2それぞれを、入力データに基づいて、自己組織的に更新するとともに、出力ネットワークnet_out1,net_out2それぞれを、出力データに基づいて、自己組織的に更新し、入力ネットワークnet_in1,net_in2のノードのうちの勝者ノードと、出力ネットワークnet_out1,net_out2の各ノードとの結合関係を更新するとともに、出力ネットワークnet_out1,net_out2のノードのうちの勝者ノードと、入力ネットワークnet_in1,net_in2の各ノードとの結合関係を更新する。本発明は、例えば、ロボットなどに適用できる。 （もっと読む）

【課題】従来のニューラルネットワークを用いた連想記憶装置では、記憶量の大容量化と連想特性の高性能化が困難であった。
【解決手段】分類カテゴリに対応したプロトタイプとその教師信号とからなる初期学習データを学習させた初期学習の後、プロトタイプの近傍テスト入力データとその教師信号とからなるプロトタイプの近傍テストデータを用いてテストし、プロトタイプの近傍テストデータが全て正解となるまで、プロトタイプと不正解出力となったプロトタイプの近傍テストデータとの追加学習を繰り返し、得られた重み係数を設定した連想用ニューラルネットワークと、前記追加学習したプロトタイプ及び前記不正解出力を発生させたプロトタイプの近傍テスト入力データとをリング傾斜配置した学習データを学習し得られた重み係数を設定したリングメモリ用ニューラルネットワークと、アトラクタ収束検出手段、アトラクタ識別手段及び連想入力識別手段、とを有する。 （もっと読む）

【課題】 複数の学習データを用いて機械学習を行う場合に、機械学習の信頼性を高めることができるデータ処理方法を提供する。
【解決手段】 類似学習データ生成部４において、ｎ個の学習データＳＤｑのうち、被処理データとの間の類似度が高い類似学習データＳＳＤｑを選択する。機械学習機５は、類似学習データＳＳＤｑを用いて機械学習を行う。
（もっと読む）

【課題】 ネットワーク開発プロセスを自動化し、また、人工ニューラルネットワーク技術が用いられ得るハードウェアプラットフォームを増やす。
【解決手段】 ニューラルネットワーク開発およびデータ解析ツールは、拡張マークアップ言語などのスクリプトプログラミング言語またはプロジェクト「ウィザード」の利用を介した、著しく単純化されたネットワーク開発を提供する。システムはまた、三次元ビュー、スケルトン化および様々な出力モジュールオプションを含む、訓練された人工ニューラルネットワークの解析および利用のための様々な分析ツールを提供する。システムはまた、システムによって訓練されているネットワークの自律的評価の可能性と、提供されたデータの所定のセットのための最適なネットワーク特性の決定とを提供する。 （もっと読む）

或る時点でセンサ信号からサンプリングされた値から導き出された複数の特徴をそれぞれが含む複数のデータ・サンプルを含むデータ・レコードを、複数のクラスの１つに属するとして分類する方法であって、時間窓内のセンサ信号の時間的変化を示す選択変数を定義することと、その選択変数に関する選択基準を定義することと、選択変数の値を選択基準と比較して、複数の入力ユニットと複数の出力ユニットとを有する自己組織化マップのための入力表現を選択し、選択された入力表現に応じて時間窓内のデータ・サンプルから入力を導き出すことと、選択された入力表現に対応する自己組織化マップに、その入力を適用し、自己組織化マップの勝者の出力ユニットに基づいてデータ・レコードを分類することと、を含む方法。
（もっと読む）

【課題】 分析の対象となるデータ要素群を用いて構成したネットワークについて、その初期パタンの状態に対して連続性を有する解を与え、幅広い用途に利用できるデータ分析装置を提供する。
【解決手段】 複数のデータ要素の少なくとも一部について、それぞれ、データ値を関連づけて記憶するとともに、データ要素間の関係重みづけ情報を記憶しており、データ要素の少なくとも一つをシードとして、当該シードと、当該シードとは異なる他のデータ要素の少なくとも一つを演算対象として選択し、選択された演算対象の一つを注目データとして、当該注目データと、他のデータ要素との関係重みづけ情報、並びに、演算対象の各データ要素の各データ値に基づいて、注目データの入力刺激値を演算し、この入力刺激値に基づいて、注目データのデータ値を更新する。以下、所定の条件が満足されるまで、入力刺激値の演算と、データ値の更新とを繰り返して実行する。 （もっと読む）

【課題】 ニューラルネットワークの出力の信頼性評価及び出力結果の根拠を説明を可能とすることを課題とする。
【解決手段】 重要度判定部１１はニューラルネットワーク２０内の結合状態から各入力因子ｘに対する重要度を求める。類似度計算部１２はこれを用いて学習事例記憶部１３内の学習事例の類似度を算出し、評価結果として類似度の高い類似事例を抽出する。類似度の高い類似事例が学習事例の中から見つかれば、ニューラルネットワーク２０の出力値の信頼性は高く、見つからなければ低いものとする。これにより重要な入力因子に重きを置き、不要な入力因子を軽視した類似事例の検索を可能とする。また類似した入力パターンの学習事例内での有無により評価の根拠を示せる。 （もっと読む）