【課題】仮想磁場漸弱法による磁場パラメータ又はニューロン間の結合荷重係数を用いてより確実に最適解を求めるホップフィールドネットワークを提供する。
【解決手段】ニューロンの出力を求める場合に使用するニューロンの出力の算出式に磁場パラメータが含まれ、当該磁場パラメータは、磁場パラメータが初期値を負とし、時刻の経過により０、正、０となるように磁場パラメータ付与手段により求められるので、後説する実施形態の実験結果に示すようにより確実に最適解を求めることができる。また、ニューロン間の結合荷重係数を変化させることでネットワークのエネルギー状態を変化させて確実に最適解を求めることができる。 （もっと読む）

【課題】規模拡張性があり、同時に、汎化特性を有するパターン学習モデルを得る。
【解決手段】学習モジュール１０₁ないし１０_Nは、入力データを用いて、パターン学習モデルの複数の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。すなわち、モデルパラメータ共有部２０は、例えば、学習モジュール１０₁ないし１０_Nの各学習モジュールが更新したモデルパラメータを、学習モジュール１０₁ないし１０_Nそれぞれが更新したモデルパラメータの重み付け平均値によって補正することにより、学習モジュール１０₁ないし１０_Nに、その学習モジュール１０₁ないし１０_Nそれぞれが更新した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】高密度の分布の重なりを持つクラスを分離できる情報処理装置、情報処理方法、及びプログラムを提供すること。
【解決手段】本発明に係る情報処理装置は、注目するノード及びその隣接ノード間の平均距離に基づいて、注目するノードのノード密度を算出するノード密度算出手段２７と、辺によって接続されるノードの集合であるクラスタを、ノード密度算出手段２７によって算出されるノード密度に基づいてサブクラスタに分割し、分布の重なり領域を検出する分布重なり領域検出手段２８と、勝者ノードが分布重なり領域に位置するノードである場合に、勝者ノードのノード密度に基づいて勝者ノード間に辺を接続するか否かを判定する辺接続判定手段２９と、判定結果に基づいて、勝者ノード間に辺を接続する辺接続手段３０と、判定結果に基づいて、勝者ノード間の辺を削除する辺削除手段３１とを備えるものである。 （もっと読む）

【課題】認識精度が高いパラメータを得ることができるパーセプトロン学習装置を提供する。
【解決手段】正解系列から得られる素性と、仮説から得られる素性との相互において単語の不一致の発生率に対応した値を持つ評価関数Ｓを求め、この評価関数により正解系列から得られた素性の値と、仮説から得られた素性の値に重み付けを施し、重み付けされた素性の値によってパラメータα(ｊ)の値を更新し、重み付けされたパラメータα(ｊ)の値を用いてパーセプトロンアルゴリズム解析を行い、最も大きいスコア値を示す仮説を検出し、最も大きいスコア値を示す仮説から最適なパラメータα(ｊ)の値を学習する。 （もっと読む）

【課題】ノードの相互接続の重みの変化に伴う悪影響を防止することにより、既知のコントローラの欠点を克服するリカレントニューラルネットワークを使用したコントローラの提供。
【解決手段】プラントの所望の状態及びプラントの実際の状態を表す少なくとも１つの外部入力信号と、プラントに対して制御信号として接続された出力と、を有する固定重み型リカレントニューラルネットワークを具備したプラント用のコントローラである。固定リカレントニューラルネットワークは、ノード間において固定重み型の相互接続を有するノードの組と、ノードの中の少なくとも１つからの出力を少なくとも１つのノードの入力に相互接続している少なくとも１つのフィードバック入力と、を含んでいる。これらのノードは、入力信号及びフィードバック信号の関数としてニューラルネットワークからの出力の値を総合的に判定している。 （もっと読む）

本発明の方法においては、情報が処理ユニットにおいて選択される。得るべき最終結果は、タスクの実行に使用する最終的な特徴情報である。この方法においては、処理ユニットへの入力情報が、タスクに鑑みて入力情報から有用な情報を発見する目的で処理される。入力情報は、一次入力と実行すべきタスクに関する一般的情報を表わすコンテクストとで構成される。入力情報の特徴を表わす特徴情報が、入力データから形成され、特徴情報の値が、それらの効用にもとづいてさらに処理される。この方法は、仮の予測が、第１のパラメータによって入力情報の組の第１のコンテクストから形成されること、および入力データの組の第１の一次入力が、第２のパラメータによって計算結果を形成することによって前処理されることを、主な特徴とする。上述の工程からもたらされる情報の効用が、前記予測および計算結果を、有用な特徴が予測にもとづいて計算結果から選択されるようなやり方で組み合わせることによって評価され、有用な特徴を強め、他の特徴を弱めることによって、特徴情報が形成される。次いで、第２のパラメータが、一次入力データを前処理する工程において評価の工程において得られた特徴情報に対応する計算結果がもたらされると考えられるようなやり方で、修正される。その後に、入力データの組の次のコンテクストおよび次の一次入力が処理され、上記工程が入力情報の各要素について繰り返され、最終的な特徴情報に帰着する。
（もっと読む）

本発明は技術システムの計算機支援による開ループ制御および／または閉ループ制御のための方法に関する。本方法は技術システムを記述する高次元の状態空間を効率的により低い次元に縮小するために用いられる。本発明によれば、状態空間の縮退は人工的なリカレントニューラルネットワークによって実行される。状態空間を縮小することにより、専ら低次元状態空間向けに設計されている公知の学習法を、元来大きな状態空間を有する複雑な技術システムに対しても適用できるようになる。それも、従来の方法をこの縮退した状態空間内で実行することにより可能になる。本発明による方法は任意の技術システムに対して、とりわけガスタービンに対して使用することができる。
（もっと読む）

【課題】いわゆる「教師あり学習」の学習精度向上を図る場合であっても処理負荷増大を抑制する。
【解決手段】第１データ群２１に対して教師なし学習によるデータ分類を行って当該第１データ群２１のデータ次元数を縮約した第１分類データ群２３を得る第１の教師なし学習処理手段１３と、第２データ群２２に対して教師なし学習によるデータ分類を行って当該第２データ群２２のデータ次元数を縮約した第２分類データ群２４を得る第２の教師なし学習処理手段１４と、前記第１の教師なし学習処理手段１３が得た第１分類データ群２３および前記第２の教師なし学習処理手段１４が得た第２分類データ群２４を教師にした教師あり学習により当該第１分類データ群２３と当該第２分類データ群２４との写像関係を特定する教師あり学習処理手段１５とを備えて、データ処理装置を構成する。 （もっと読む）

【課題】 解析に基づく解析正常動作モデルを用いた異常検知の判定結果と、観察（学習）に基づく正常動作モデルを用いた異常検知の判定結果を照合させながら学習を行うことにより、最終的に利用可能な正常動作モデルを構築する異常検知方法を提供する。
【解決手段】 解析に基づく解析正常動作モデルを用いた静的検知と学習に基づく正常動作モデルを用いた動的検知とを併用することで、観察対象ソフトウエア３が攻撃を受けない環境の下でなくとも、学習が行える。また学習終了期間判定手段３１が、静的検知の判定結果と、動的検知の判定結果の一致割合が高くなってきたことに基づいて、学習の終了を判定することにより、正常動作モデルを生成する際に、いつまで学習を継続すればよいかについての判定を客観的に行える。 （もっと読む）

【課題】順次入力される学習ベクトルの性質が時間変化した場合であっても、所期のベクトル集合を参照ベクトル群として好適に再構築する。
【解決手段】競合層に配置されたユニットの参照ベクトル及び活性度を記憶する参照ベクトル・活性度記憶部２０と、学習ベクトルと前記各参照ベクトルとの距離を算出する距離算出部１２と、算出される距離の最小値が所定値より大きい場合に、参照ベクトルを参照ベクトル・活性度記憶部２０に追加して記憶させる参照ベクトル追加部１６と、参照ベクトルの少なくとも一部を、学習ベクトルに対し、該学習ベクトルに対する評価に応じて接近させ又は離間させるとともに、それら参照ベクトルに係るユニットの活性度を更新する参照ベクトル更新部１４と、各活性度に応じて、参照ベクトルを参照ベクトル・活性度記憶部２０から削除する参照ベクトル・結合強度削除部２４と、を含む。 （もっと読む）