ニューラルネットワークにおける非線形振動子間の接続を学習するための方法は、入力に応答して互いに別個の振動をそれぞれが生成する、複数の非線形振動子を準備するステップと、複数の非線形振動子の少なくとも第１の振動子において入力を検出するステップと、複数の非線形振動子の少なくとも第２の振動子において入力を検出するステップと、ある時点における少なくとも第１の振動子の振動と少なくとも第２の振動子の振動とを比較するステップと、少なくとも第１の振動子の振動と少なくとも第２の振動子の振動との間にコヒーレンシーがあるかどうか判定するステップと、少なくとも第１の振動子と少なくとも第２の振動子との間の接続の振幅及び位相のうちの少なくとも一方を、少なくとも第１の振動子と前記少なくとも第２の振動子の振動との間のコヒーレンシーの関数として変更するステップとを含む。 （もっと読む）

【課題】汎用性のある情報処理装置を提供する。
【解決手段】所定のアルゴリズムが用いられて学習処理が行われる。この学習処理で用いられるアルゴリズムが選択される条件に関する選択情報を、複数記憶可能である処理管理データベース２５と、前記選択情報を参照して学習処理で用いられるアルゴリズムを、複数のアルゴリズムから、前記条件に応じて選択する選択反映部２２と、選択されたアルゴリズムの識別情報を取得し、当該アルゴリズムによって学習処理を実行する処理システム１０とを有している。 （もっと読む）

【課題】適切な二元符合表を生成し、分類精度を向上させた分類装置を提供する。
【解決手段】訓練データおよび学習の繰り返し回数を入力するデータ入力部１２と、前記訓練データがクラス間で上手く分類されていない程度を示す非分離度を計算し、該非分離度を基に分割候補を生成し、該分割候補に従って予備学習を行い、該予備学習の結果に整合する符合を割り振って二元符号表を生成するクラス符号化部１５と、前記二元符号表および重み付の訓練データを用いて２クラスの学習器を学習する２クラス学習部１６と、前記個々の学習結果の係数を計算する係数計算部１７と、前記訓練データ、繰り返し回数、二元符号表、学習器および係数を蓄積する蓄積部１３と、前記蓄積された情報に基づいて複数クラスを分類するための関数を出力する学習結果出力部１８と、前記各部で使用される作業情報の初期化、更新と、前記各部の動作管理を行う管理部１４と、を備える。 （もっと読む）

【課題】矛盾した教師データであっても適切に総誤差評価関数を把握することにより学習の終了判定が実現でき、学習終了時に、必要とされる計算精度を得られるニューラルネットワーク学習における前処理装置を得る。
【解決手段】教師データ中の同一入力パターンを探索して、入力パターン毎のケース数を計数するとともに、教師データ中の同一入力パターンに対する全出力パターンの教師出力データの平均値を算出し、当該平均値を各入力パターンにおける教師出力値に書き換え、同一入力パターンデータの重複分を教師入力データから削除する前処理を施す前処理部と、この前処理部で処理を施された教師データでニューラルネットワーク学習を実行し、各入力パターンの誤差評価関数を導出する誤差修正部と、前記誤差修正部から導出される各入力パターンの誤差評価関数と入力パターン毎のケース数から成る重み係数を用いて、ニューラルネットワーク学習の収束条件を決定するための総誤差評価関数を計算する総誤差評価関数部とを、具備する。 （もっと読む）

【課題】母集団に含まれる複数の要素のうち、一部の要素に関する情報が標本情報として取得された場合に、前記母集団に含まれる残りの要素に関する情報を適切に推定できるようにする。
【解決手段】母集団に含まれる複数の要素のうち、一部の要素に関する標本情報を取得して、母集団に含まれる残りの要素に関する情報を推定する情報推定装置である。複数の要素それぞれに関する情報を、他の要素に関する情報及び推定パラメータを用いて推定する推定部１１と、推定パラメータの学習部１２と、を備えている。推定部１１は、標本情報が取得できなかった要素を推定対象要素として、推定対象要素に関する情報の推定を実行する。学習部１２は、標本情報が取得できた要素については、標本情報と、標本情報が取得できた要素についての情報を推定するために用いられる一又は複数の他の要素に関する情報と、の組み合わせを学習用データとして記憶し、推定用パラメータを学習する。 （もっと読む）

【課題】
従来のネットワークと互換性を有し、内部解析が容易なネットワークの学習方法を提供する。
【解決手段】
入力層素子と中間層素子との間の全ての重みを初期化する第１ステップと、学習前に任意の複数のグループに分類された複数の入力層素子と中間層素子との間の任意の重みを０として結合を削除し、一部のグループの入力層素子のみと結合している中間層素子からなる疎結合部分を生成する第２ステップと、所定の評価関数が小さくなるように重みの修正量を算出する第３ステップと、重みの値を０とした重みの修正量を０にする第４ステップと、第３ステップ及び第４ステップを経て得られた修正量を用いて重みを修正する第５ステップとを有し、学習誤差が規定値以下になるまで第３ステップ以下の処理を繰り返し実行する。 （もっと読む）

【課題】良質で少数のサンプルを用いて再学習させることにより、ＳＶＭの精度向上と計算量の削減を達成できるＳＶＭの再学習方法を提供する。
【解決手段】反復学習機能８にて、既知のラベルを有する初期学習用訓練サンプルの集合を用いてＳＶＭを学習する第１の段階と、摂動対象選択機能４が、該ＳＶＭ学習により得られたサポートベクトル情報３を基に、摂動対象の学習用訓練サンプルを選択する第２の段階と、画像処理機能５が該選択された摂動対象の学習用訓練サンプルを摂動する第３の段階と、反復学習機能８が該摂動処理されたサンプルを追加用訓練サンプルとしてＳＶＭを再学習する第４の段階とからなり、メモリ９に記憶された情報を参照して前記第２〜第４の段階を複数回繰り返す。反復学習機能８は、所定の条件が成立すると前記繰り返しを終了し、サポートベクトル情報（最終結果）７に移行する。 （もっと読む）

【課題】時系列パターンの追加学習を、再学習なしに行う。
【解決手段】 時系列パターンを学習するパターン学習モデルの学習を行う複数の学習モジュールを有する複数の学習手段としての時系列シーケンス学習部１１及び１３が階層構造を構成するように接続されている。上位階層の時系列シーケンス学習部１３が有する学習モジュールは、その上位階層の時系列シーケンス学習部１３の下位階層の時系列シーケンス学習部１１が有するパターン学習モデルを定義するモデルパラメータの系列を用いて、パターン学習モデルの学習を行う。 （もっと読む）

【課題】複数の学習モデルのそれぞれに時系列パターンを学習させる場合に、各学習モデルにおける内部変数の意味を統一させることができるようにする。
【解決手段】各学習モジュールにおいては、隣接する学習モジュールの学習モデルとの間でコンテキストの値が連続的になるように、コンテキストの教師となる内部変数教師シーケンスが生成され、学習が行われる。内部変数教師シーケンスは、前段の学習モデルのコンテキストの最後のオーバラップ部分の値と、後段の学習モデルのコンテキストの最初のオーバラップ部分の値の線形和として計算される。本発明は、時系列信号に基づいてパターン学習を行う装置に適用することができる。 （もっと読む）

【課題】内部変数を考慮した学習モジュール間の接続性を用いて、時系列信号のプランニングを行うことができるようにする。
【解決手段】学習モデル#iが生成したモデル生成データ#iの最後のオーバラップ部分（最後のLサンプル）と、学習モデル#jが生成したモデル生成データ#jの最初のオーバラップ部分（最初のLサンプル）の累積距離と、学習モデル#iが生成したコンテキスト#iの最後のオーバラップ部分と、学習モデル#jが生成したコンテキスト#jの最初のオーバラップ部分の累積距離の和が、学習モデル#iが学習した時系列パターンの後に、学習モデル#jが学習した時系列パターンが接続する適切さを表すコネクティビティとして算出される。本発明は、時系列信号に基づいてパターン学習を行う装置に適用することができる。 （もっと読む）