逐次最小2乗法による逆モデル神経回路学習のためのForward-propagation則

大濱 吉紘  福村 直博  宇野 洋二  

誌名
電子情報通信学会論文誌 D   Vol.J87-D2   No.2   pp.726-734
発行日: 2004/02/01
Online ISSN: 
DOI: 
Print ISSN: 0915-1923
論文種別: 論文
専門分野: バイオサイバネティックス,ニューロコンピューティング
キーワード: 
逆モデル,  多層神経回路,  学習アルゴリズム,  誤差逆伝搬,  誤差順伝搬,  

本文: PDF(785.6KB)>>
論文を購入




あらまし: 
多層神経回路に制御系の逆モデルを学習させるために,Back-propagation則とは全く異なったForward-propagation則による学習スキームが提案された.このForward-propagation則のアルゴリズムは,広義ニュートン法による各層ごとの教師信号推定と線形重回帰による結合荷重更新から構成される.そして,Back-propagation則に基づいた学習スキームに比較して,極めて少ない結合荷重更新回数によって学習を遂行することができる.しかし,学習のための設定パラメータが煩雑であり,計算量が大きく,学習停止が頻繁に起こるという問題点があった.本論文では,Forward-propagation則における結合荷重更新に逐次最小2乗法を導入することを提案する.この手法により,設定パラメータ数と計算量が飛躍的に削減され,学習停止現象を回避することができる.提案手法の有効性は,2リンク・アームの逆ダイナミックスモデル学習の計算機シミュレーションによって確認される.