文献

J-GLOBAL ID：201002203745301445   整理番号：10A0433296

ロボットの知能発達システムの基盤となる成長型アルゴリズムの検証 成長型アルゴリズムを用いた移動ロボットにおける環境モデル構築

Verification of the growth algorithm as the base of the intellectual growth system of robot: Building of the environmental model in mobile robot using the growth algorithm

著者 (3件)： 徳永憲洋 (九州工大) ,  古賀公次郎 (九州工大) ,  古川徹生 (九州工大)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 109  号： 461(NC2009 87-175)  ページ： 125-130  発行年： 2010年03月02日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年我々は成長型モジュラーネットワーク(Self-Evolving Modular net work:SEEM)を提案した。SEEMは自己組織的にモジュールを追加する機能とパスを結ぶ機能を持つため,既存のモデルで対応できない場合にモジュールを増やし対応させることが可能となる。そのためSEEMを応用することで,ロボットに環境や人間とインタラクションしながら様々なスキルや知識を動的に獲得する機能を持たせられると期待できる。SEEMの成長メカニズムはバックボーンアルゴリズムであるEvolving Self-Organizing Map(ESOM)が鍵となっている。しかしこれまでにSEEMのバックボーンアルゴリズムとしてESOMが適切かどうか検証していない。そこで本研究ではSEEMのバックボーンアルゴリズムとしてESOMが適切かを検証することを目的とする。この目的に対し,移動ロボットの環境モデル構築を検証課題とし,他の成長アルゴリズムであるGrowing Cell Structure(GCS)とGrowing Neural Gas(GNG),およびESOMを比較した。その結果,成長型アルゴリズムとしてESOMは非常に良い適性を示したので報告をする。(著者抄録)

シソーラス用語： *移動ロボット ,  *環境モデル ,  知識獲得 ,  *自己組織化特徴マップ ,  遺伝的アルゴリズム ,  地図作成 ,  学習 ,  自律系 ,  ロバスト性 ,  *生物進化 ,  ネットワーク ,  定量的分析 ,  量子化誤差 ,  グラフ
準シソーラス用語： SEEM ,  ESOM

分類 (1件)： ロボット工学一般  (IC04011S)

引用文献 (5件)：

• 川畑宣之. 自己進化する新しいモジュラーネットワークの提案. 電子情報通信学会技術報告NC, ニューロコンピューティング. 2008, 107, 413, 141-146
• DENG, D. On-line pattern analysis by evolving self-organizing maps. Neurocomputing. 2003, 51, 87-107
• FRITZKE, B. Growing Cell Structures-A Self-organizing Network for Unsupervised and Supervised Learning. Neural Networks. 1994, 7, 9, 1441-1460
• FRITZKE, B. A Growing Neural Gas Network Learns Toplogies. Advances in Neural Information Processing Systems. 1995, 7, 625-632
• BEKEY, G. A. Autonomous Robots : From Biological Inspiration to Implementation and Control. 2005

タイトルに関連する用語 (8件)： ロボット ,  知能発達 ,  基盤 ,  成長型 ,  アルゴリズム ,  検証 ,  環境モデル ,  構築