7N-04
神経回路モデルを用いたプリミティブの階層的学習
○安田伊慶，西出　俊，康　シン，任　福継（徳島大）
ロボットの制御などにおいて,時系列データの効率的な学習は重要な課題である.一般的な学習では時系列データ全体をモデルに入力することで学習を行う.本研究ではより効率的な学習を実現するため,学習データに応じて段階的にモデルの構成を
変更し,モデル内で学習データのプリミティブ表現を階層的に獲得する手法を提案する.手法の評価として,図形の描画過程で獲得される座標系列を学習する実験を行った.実験結果の解析により,複雑図形を提案モデルで認識する際,単純図形(プ
リミティブ)の組合せとして認識することが可能であることを確認した.
footer 著作権について 倫理綱領 プライバシーポリシー セキュリティ 情報処理学会