【課題】人間のような思考、感情、振舞い、認識及び推測の過程をモデル化するための明確で簡単な方法と、人工知能（ＡＩ）のための従来のモデルの冷たく、非人格的な振舞いに代わるものとを提供する。
【解決手段】人間の脳の電子的エミュレーションの中に、心理学的なプロファイル、経験及び社会的地位を取り込むことができるようにすることにより、人間に対するエミュレーション及びその周囲にある相互に影響し合う環境によって、実際の人間のように反応できるようになる。 （もっと読む）

【課題】本発明は、ハードウェアの規模を小さくでき、ニューロ演算を用いた画像認識処理をリアルタイムで実行することができる技術を提供することを課題とする。
【解決手段】画像認識装置１００は、車載カメラが撮影した動画像データのフレーム３０Ｆに歩行者が撮影されているか否かを判定する。前処理部２は、フレームの中から検出ブロックを決定し、フレームから検出ブロックに対応するブロック画像データを切り出す。ブロック画像データから、検出ブロックのサイズよりも小さい所定サイズのブロックデータ３３が作成される。ニューロ演算部４は、ブロックデータ３３をニューロ演算して出力シナプス３４を算出する。後処理部６は、出力シナプス３４に基づいて、検出ブロック内に歩行者がいるか否かを判定する。後処理部６は、歩行者が検出された場合、歩行者が検出された検出ブロックをフレーム３０Ｆの上に重ねた結果データ３５を作成する。 （もっと読む）

【課題】高精度な識別器を生成するための良好な教師データを作成する。
【解決手段】データ読み込み部１３０はデータを読み込み、教師データ作成部１１２及びＧＵＩ制御部１１６を介して出力装置１５０に出力する。ユーザはクラス設定部１２０を用いて、データに対する第１のクラスを入力する。推薦クラス生成部１１４は、第１のクラスに対して、類似／共起／関連データベースとユーザデータベースとに基づいて第２のクラスを生成する。第２のクラスは、ＧＵＩ制御部１１６を介して出力装置１５０に出力される。ユーザは、入力装置１６０から第２のクラスに対する評価を入力する。ユーザデータベース更新部１１８は、この評価を取得し、それに基づいてユーザデータベース１４４を更新する。教師データ作成部１１２は、この評価を考慮した第２のクラスと、第１のクラスとを読み込んだデータと関連付けて、教師データを作成する。 （もっと読む）

【課題】高速に学習、認識することができる識別器生成装置、方法及びプログラム、並びにクラス認識器、方法及びプログラムを提供する。
【解決手段】識別器生成装置１０は、入力データに、ある属性を有するか否かを示すポジティブ又はネガティブ情報をラベル付けして教師データとするラベリング部１１と、教師データの特徴量を重みベクトルとして抽出する特徴量抽出部１２と、自己増殖型ネットワークにより、特徴量抽出部１２が抽出した特徴量を学習する特徴量学習部１３と、各重みベクトルが有するポジティブ又はネガティブ情報に基づき、ＳＶＭにより当該ポジティブノードとネガティブノードの分離境界を学習する分離境界学習部１５とを有する。特徴量学習部は、重みベクトルを入力ノードとし、入力ノードと各ノードとの間の距離に基づき、新たなノードを挿入するか否かを決定する。ＳＶＭは、線形とし、重みの推定に確率的勾配降下法を使用する。 （もっと読む）

【課題】本発明は入力ベクトルがニューロンによって既知であるか未知であるかを決定する方法を提供する。
【解決手段】本方法は、入力ベクトルから制約条件及びその補空間を構築するステップと、制約条件及び補空間を交互に前記ニューロンの制約条件セットに追加するステップと、いずれかの場合に解答があるか否かを決定するために制約条件セットを試験するステップと、を含む。制約条件又はその補空間のいずれかに解答があり、かつ制約条件及びその補空間の両方に解答がない場合には、入力ベクトルは、前記ニューロンに既知であることが決定され、制約条件及びその補空間が交互に前記制約条件セットに追加されるときに解答がある場合には、入力ベクトルは、ニューロンによって既知ではないことが決定される。 （もっと読む）

【課題】下工程の操業結果を予測するための予測モデルの学習用データを適切に選別しつつ、過学習を抑制する。
【解決手段】学習用実績データに最も近いＳＯＭニューロンを勝者ＳＯＭニューロン６０２とし、勝者ＳＯＭニューロン６０２の値とその近傍にある近傍ＳＯＭニューロン６０３の値とを、学習用実績データの値に近づけるように修正してＳＯＭの学習を行う。ＳＯＭの学習終了時のＳＯＭニューロン６０２、６０３のそれぞれについて、値が最も近い学習用実績データを相互に関連付けて記憶する。そして、操業結果予測対象データと値が近い所定数のＳＯＭニューロン６０２、６０３と、そのＳＯＭニューロン６０２、６０３に関連付けられている学習用実績データとを学習用データ１０１、１０２とする。 （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】過去の値や現在の状態推定値に基づいて、バッチプロセスの特性を正確に推定することは現在でも困難である。バッチプロセスの特性の推定値を生成する方法を提供する。
【解決手段】バッチプロセスの特性の推定値を生成する方法及び装置は、そのバッチプロセスに関連する複数の反応速度の推定値を生成するために、ノンパラメトリックモデルを使用する。各反応速度の推定値は、例えばバッチプロセスの間の特定の時間に対応している。複数の反応速度の推定値は、次に、その特定の時間でのそのバッチの特性の推定値を生成するために積分される。 （もっと読む）

【課題】オンラインかつ追加学習が可能な属性の学習及び転移を実現すること。
【解決手段】属性の学習及び転移システム１は、特徴抽出部２と、ラベリング部３と、Ａｄｊｕｓｔｅｄ−ＳＯＩＮＮを用いて属性識別器を構成してそれを複数の部分に分割し、ラベル付けされた属性情報により特定される部分に教師データの特徴を入力パターンとして入力し、Ａｄｊｕｓｔｅｄ−ＳＯＩＮＮにおいて入力パターンに基づいてノード及びエッジを生成する識別器生成部４と、識別器保持部５と、入力データが入力された場合に、Ａｄｊｕｓｔｅｄ−ＳＯＩＮＮの各部分に入力パターンを入力してＡｄｊｕｓｔｅｄ−ＳＯＩＮＮに含まれるノードとの第１の類似度を算出して、その第１の類似度に応じて入力データの属性を識別する属性識別部６と、入力データの属性とクラスの属性情報とを比較して第２の類似度を求めて、その類似度に応じてクラスを識別するクラス識別部７と、を備える。 （もっと読む）

【課題】未知の環境を効率的に学習する。
【解決手段】状態価値算出部３２は、エージェントの行動によって、状態が遷移する、行動ごとの状態遷移モデルの各状態について、現在状態等の所定の状態に近い状態への遷移確率が大きい状態ほど、値が大きくなる、現在状態を基準とする状態価値を算出し、行動価値算出部３３は、状態遷移モデルの各状態、及び、エージェントが可能な各行動について、現在状態を基準とする状態価値が大きい状態への遷移確率が大きいほど、値が大きくなる行動価値を算出する。目標状態設定部３４は、行動価値のばらつきが大きい状態を、エージェントが行う行動によって到達する目標となる目標状態に設定し、行動選択部３５は、目標状態に向かう行動を選択する。本発明は、例えば、自律的に行動するエージェントが未知の環境を学習する場合に適用できる。 （もっと読む）