ナナエフ

同人ゲームサークル『7-FIELD』制作ブログ  -ゲーム制作やイベント参加などの活動情報 + 雑記-

スポンサーサイト

上記の広告は1ヶ月以上更新のないブログに表示されています。
新しい記事を書く事で広告が消せます。
  1. --/--/--(--) --:--:--|
  2. スポンサー広告

AIナナエ育成記 №17 - 学習機構の考案 ~ ニューラルネットワーク階層型・相互結合型の代表例

tetsuwoです。 【 twitter

ナナエのひとこと「今日のナナエ」 … 7-FIELD 制作ブログ 『ナナエフ』 について

今出来る事は「挨拶」「主語の修得」「ランダム文字列」。


前回はニューラルネットワークには2種類ある事を調べ、階層型・相互結合型それぞれのイメージを確認しました。

その特徴から【 相互結合型 】を調べようと思ったのでまずは種類の確認から。
 
 
相互結合型ネットワークの代表例

ニューロン同士が繋がり合い形成されていることは前回の記事で確認しました。

しかし、それにもある程度の代表的な種類があるようです。

  ■例1:ホップフィールドネットワーク
  
    最適化問題を解くことができます。ホップフィールドネットワークでは、ニューロン間の結合をエネルギーに置き換えて考え
    
    そのエネルギーを最小にするようにすることで解を求めることができます。
    
    しかし、このモデルは最急降下法を用いているため、局所最小解に陥る危険があります。

    
    
  ■例2:ボルツマンマシン
  
    ホップフィールドネットワークの改良版といったようなものです。
    
    基本的には、ホップフィールドネットワークと同じ考え方で、これに温度ゆらぎTという概念を付加しています。
    
    ホップフィールドネットワークの最急降下法のアルゴリズムに温度Tでゆらぎを掛けることで
    
    まっすぐ下っていくだけでなくある程度周辺の要素の影響を受けることになるため
    
    局所最小に陥りそうになったときに、近くのよりエネルギーの低い点へ進むことができるようになります。
    
    (つまり、途中の少し高い点を乗り越えて最小解へと進むことができるわけです。)

    
    
  ■例3:アソシアトロン
  
    連想記憶を行うことができます。アソシアトロンのニューロンは -1,0,+1 の3値をとり、抑制、未知、興奮を意味します。
    
    また、3値をとるため、アソシアトロンは、ニューラルネットワークではないという人もいますが、(人間の神経細胞は、実際には2値)
    
    挙動としては、人間の連想を極めて自然に表現できているのではないでしょうか。



階層型ネットワークの代表例

相互結合型の「ホップフィールドネットワーク」を少し調べたところ

階層型と比較する形で解説されている部分があったので、必要に応じて調査を進められるよう、こちらもメモ。

  ■例1:パーセプトロン
  
    一番最初に発表されたニューラルネットワークで、パターン認識を得意としています。
    
    入力層、中間層、出力層の3層構造になっていて、ニューロンの接続は、入力層と中間層、中間層と出力層の間にのみあります。
    
    学習を行うと、ある一定のパターンに対して出力層の一つのニューロンのみが反応するようになります。
    
    また、入力されるパターンに対してある程度の許容性を持ち、多少違うパターンであっても、反応を返すことができます。

    
    
  ■例2:バックプロパゲーション(BP)学習型
  
    日本語では、逆誤差伝搬法と言います。
    
    基本的にはパーセプトロンの拡張で、出力層に正しい解答を教師信号として与えてやることで、その教師信号と出力との誤差を求めて重みを変更します。
    
    この働きが、出力層側から入力層側に向かうため、バックなわけです。
    
    また、学習アルゴリズムは最急降下法が用いられています。
    
    BP法は賛否両論で、基本的にはパーセプトロンより優れているといわれていますが、与えられる問題によっては
    
    局所最小解に陥ったり、学習が収束しなかったりすることもあるようです。

    
    
  ■例3:ネオコグニトロン
  
    ネオコグニトロンの基礎的な機能は画像に対してパターン認識ネットワークとして働くことです。
    
    その中でも特に数字のバイナリ画像(方眼紙の各マスを数字に見えるように塗りつぶした画像)で学習やテストが行なわれます。
    
    1つの画像をいくつかの領域に分割し、それぞれの領域について処理をし、最終的にその画像のパターンを分類します。



今後予定

以前、ニューロンの動きを簡単なフローチャートで作成しているのでナナエに実装してみたいと思います。


調査の方は、参考先のサイトでは「ホップフィールドネットワーク」の解説から入っているので(相互結合型の場合)

それに合わせて読み進め、分かったことをまとめていきます。


参考サイト

上記本文中の斜体文字は、下記サイトからの引用となります。

  ニューラルネットワーク入門 - A.I.Lab Website
  
  ニューラルネットワーク 用語集 - SoftComputing lab.


宣伝

2031年 秋、北守新都市。生活にAR技術が根付いたこの街で

"傷"を抱えた7人がそれぞれに見出す"真実"とは。



当サークル作品「薄鈍アドベント」DL販売中です。

体験版も公開しておりますので、目に止まりましたらお試しあれ。

 
スポンサーサイト
  1. 2013/04/02(火) 10:31:46|
  2. ナナエ
  3. | トラックバック:0

トラックバック

トラックバック URL
http://7fblog.blog.fc2.com/tb.php/180-c1d2ff7b
この記事にトラックバックする(FC2ブログユーザー)

カウンター

プロフィール

akinasi, tetsuwo

Author:akinasi, tetsuwo
FC2ブログへようこそ!

検索フォーム

カレンダー

09 | 2017/10 | 11
1 2 3 4 5 6 7
8 9 10 11 12 13 14
15 16 17 18 19 20 21
22 23 24 25 26 27 28
29 30 31 - - - -

最新記事

最新コメント

最新トラックバック

月別アーカイブ

カテゴリ

告知 (63)
制作 (88)
ソフト紹介 (19)
素材紹介 (10)
言外 (7)
雑記 (361)
ナナエ (29)

リンク

このブログをリンクに追加する

上記広告は1ヶ月以上更新のないブログに表示されています。新しい記事を書くことで広告を消せます。