JPH0342767A - 神経回路網の学習方式 - Google Patents

神経回路網の学習方式

Info

Publication number
JPH0342767A
JPH0342767A JP1178319A JP17831989A JPH0342767A JP H0342767 A JPH0342767 A JP H0342767A JP 1178319 A JP1178319 A JP 1178319A JP 17831989 A JP17831989 A JP 17831989A JP H0342767 A JPH0342767 A JP H0342767A
Authority
JP
Japan
Prior art keywords
learning
pattern
category
pseudo
patterns
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP1178319A
Other languages
English (en)
Inventor
Akihiro Kimura
晋太 木村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP1178319A priority Critical patent/JPH0342767A/ja
Publication of JPH0342767A publication Critical patent/JPH0342767A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔概要〕 音声９文字１図形等の各種パターンを学習して、未知の
入力パターンを識別する神経回路網の学習方式に関し、 学習パターンが少ない場合においても、マルチテンプレ
ート法等の従来方式に劣らぬ未知の入力パターンに対す
る識別性能を確保することを目的とし、 与えられた学習パターンから擬似学習パターンを自動生
成し、又は、乱数により擬似学習パタンを自動生成し、
更に、各生成された擬似学習パターンのカテゴリ番号（
［２］）を、カテゴリ決定部において、例えば、マルチ
テンブレー１へ法により決定することにより、非常に多
くの擬似学習パタンを用意できるように構成する。
〔産業上の利用分野〕
本発明は、音声９文字９図形等の各種パタ−ンを学習し
て、未知の入力パターンを識別する神経回路網の学習方
式に関する。
最近の計算機システムの処理能力の向上に伴って、生物
の神経回路網を模した学習装置が実用化されつつある。
このような学習装置では、できる限り少ない学習パター
ンで認識率の高い学習装置が構築できることが必要とさ
れる。
〔従来の技術と発明が解決しようとする課題〕第４図は
従来の神経回路網の学習方式を説明する図である。
神経細胞の機能を備えた複数の回路により１つの層を形
威し、入力層、１乃至複数の隠れ層、出力層の複数の層
からなる神経回路網により、学習機能を備えたパターン
識別装置を実現させることは従来から知られている。
その場合、人力された学習パターン（ｘ＋〜ＸＮ）に対
して、各神経細胞に如何なる重み係数を与えるかを求め
ることが学習であり、複数の学習パタンに対して、その
都度、それぞれに所望の固有の出力を発生ずるように、
学習の各段階の出力と所望の出力（該学習パターンに対
応したカテゴリ番号のに基づいた教師信号）との誤差Ｅ
を検出して、その差が最も小さくなるように、学習機構
内の「Ｕ４．更新係数演算部Ｊ６４．ｒＶ（ｊ更新係数
演算部」６７で、該神経回路網を構成している出力層。
隠れ層の各神経細胞の重み係数Ｕ　ｊ　ｋ　＋　　Ｖ　
ｉ　ｊを更新する作業を繰り返し行う方法としてバック
プロバケーション法が知られている。
この方法による学習では、パターン入力に対して各層の
細胞に与える重み係数の初期値は、乱数発生部６８によ
り発生した値を用いており、誤差（ｉｉＥが減少しなく
なった時点で、該学習を終了するように機能する。

Claims (5)

    【特許請求の範囲】
  1. （１）未知の入力パターンのカテゴリを識別する神経回
    路網の本体（６０〜６３）と、 複数個の学習パターンと、各学習パターンのカテゴリ番
    号を記憶する学習パターン記憶部（７２）と、該カテゴ
    リ番号から教師信号を生成する教師信号生成部（７３）
    と、 上記学習パターンと、教師信号とに基づいて、該神経回
    路網（６０〜６３）の学習を行う学習機構（６４〜７０
    ）と、 該学習機構（６４〜７０）を制御する学習制御部（７４
    ）とを有する神経回路網において、 学習時に、上記学習パターンの上記カテゴリ番号（［１
    ］）を、特定の手段で変換して、新たなカテゴリ番号（
    ［２］）を決定するカテゴリ決定部（１０１）を設け、 該カテゴリ決定部（１０１）から出力されるカテゴリ番
    号（［２］）を学習の為のカテゴリ番号として用いるこ
    とを特徴とする神経回路網の学習方式。
  2. （２）上記カテゴリ決定部（１０１）における学習パタ
    ーンのカテゴリ番号　（１）を変換する手段として、マ
    ルチテンプレート法による認識結果を計算する手段を用
    いることを特徴とする請求項１に記載の神経回路網の学
    習方式。
  3. （３）上記マルチテンプレート法による認識結果を算出
    する手段を用いたカテゴリ決定部（１０１）に対する未
    知入力パターンとして、上記学習パターン記憶部（７２
    ）からの学習パターンから擬似学習パターンを生成する
    擬似学習パターン生成部（１００）を備え、該擬似学習
    パターン生成部（１００）の出力を用いることを特徴と
    する請求項１、２に記載の神経回路網の学習方式。
  4. （４）上記擬似学習パターン生成部（１００）として乱
    数発生機構を用いることを特徴とする請求項１、２、３
    に記載の神経回路網の学習方式。
  5. （５）上記擬似学習パターン生成部（１００）として、
    上記学習パターン記憶部（７２）からの任意の２個以上
    の学習パターン間の演算により、該擬似学習パターンを
    生成する機構を用いることを特徴とする請求項１、２、
    ３に記載の神経回路網の学習方式。
JP1178319A 1989-07-11 1989-07-11 神経回路網の学習方式 Pending JPH0342767A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP1178319A JPH0342767A (ja) 1989-07-11 1989-07-11 神経回路網の学習方式

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP1178319A JPH0342767A (ja) 1989-07-11 1989-07-11 神経回路網の学習方式

Publications (1)

Publication Number Publication Date
JPH0342767A true JPH0342767A (ja) 1991-02-22

Family

ID=16046404

Family Applications (1)

Application Number Title Priority Date Filing Date
JP1178319A Pending JPH0342767A (ja) 1989-07-11 1989-07-11 神経回路網の学習方式

Country Status (1)

Country Link
JP (1) JPH0342767A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5490223A (en) * 1993-06-22 1996-02-06 Kabushiki Kaisha Toshiba Pattern recognition apparatus

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5490223A (en) * 1993-06-22 1996-02-06 Kabushiki Kaisha Toshiba Pattern recognition apparatus
US5748769A (en) * 1993-06-22 1998-05-05 Kabushiki Kaisha Toshiba Pattern recognition apparatus

Similar Documents

Publication Publication Date Title
Ferreira et al. Comparing recurrent networks for time-series forecasting
Liu et al. Evolving neural networks for Hang Seng stock index forecast
Anderson et al. Reinforcement learning with modular neural networks for control
JPH0784978A (ja) ニューラルネットワーク装置およびその学習方法
JPH0342767A (ja) 神経回路網の学習方式
JPH05197705A (ja) ニューラルネットワークの学習システム
CN116663622A (zh) 一种生物可信的神经元计算电路及计算方法
JP2736361B2 (ja) ニューラルネット構成方法
Liu et al. A new learning algorithm for feedforward neural networks
JP3310009B2 (ja) ニューラルネットワークシステム
Sotirov et al. A generalized net model of the deep learning neural network
Zhao et al. Stochastic connection neural networks
Maeda et al. Rhythm generation method for automatic musical composition using genetic algorithm
Hwang et al. Fast learning neural network with modified neurons
JPH07152714A (ja) 部分線形回帰モデル
Kirby et al. Evolutionary learning in reaction-diffusion neurons
Petridis et al. Recurrent neural networks as pattern generators
Liu et al. An improved fuzzy identification method based on Sigmoid data transfer function
Vahidov et al. Use of genetic and neural technologies in oil equipment computer-aided design
JP2000122991A (ja) 制御装置の製造方法、制御装置、データ生成装置、入出力特性決定方法及び相関関係評価方法
CN121009962A (zh) 一种门控线性自注意力知识追踪系统
Delgado et al. Hybrid system: Neural networks and genetic algorithms applied in nonlinear regression and time series forecasting
JP3389684B2 (ja) ニューラルネットワークの学習方法
JPH0414192A (ja) ニューラルネットワークにおける結合のグループ単位学習調整方式
CN117806315A (zh) 一种机器人路径规划与避障方法及系统