文献

J-GLOBAL ID：202102246643504889   整理番号：21A2975511

Growing Neural Gasにおけるノード密度調整手法

Node Density Adjusting Method of Growing Neural Gas

著者 (5件)： 戸田雄一郎 (岡山大) ,  和田亮雅 (岡山大) ,  宮瀬光梨 (岡山大) ,  松野隆幸 (岡山大) ,  見浪護 (岡山大)
資料名： ファジィシステムシンポジウム講演論文集(CD-ROM)  (ファジィシステムシンポジウム(CD-ROM))
巻： 37th  ページ： ROMBUNNO.TD2-4  発行年： 2021年 
JST資料番号： L0486B  ISSN： 1882-0212  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： GNGは幾何学的構造を学習し,同時にトポロジー構造を生成することができるので,成長するニューラルガス(GNG)ベースの空間知覚システムを多くの研究によって提案されてきた。しかしながら,これらの提案方法は単純な知覚タスクを仮定し,これらの提案方法がバックグラウンド抽出を使用するので,マルチ知覚タスクを適用できない。この問題を解決するために,著者らの以前の研究は,関心領域GNG(ROI-GNG)を提案した。ROI-GNGは,関心の程度に従って累積誤差の割引率を制御することで,集中/分散幾何学的構造を構築することができる。しかし,ROI-GNGはノード付加と削除能力の安定性に関する問題を持っている。そこで本論文では,安定性を改善するためのノード付加と削除に関連するアルゴリズムにδ最短信頼区間を利用して,視覚センサの幾何学的空間を安定的に学習できる,ターゲット付きGNG(GNG-T)に基づく修正ROI-GNGを提案した。さらに,画像データに修正ROI-GNGを適用するための関連重要度のパラメータを設計した。最後に,提案した方法の実験結果を示し,提案した方法の有効性を論じた。(翻訳著者抄録)

シソーラス用語： *学習アルゴリズム ,  *密度 ,  自律ロボット ,  視覚センサ ,  *空間知覚 ,  競合学習 ,  ネットワーク ,  範囲 ,  *密度分布
準シソーラス用語： *成長するニューラルガス ,  *ノード密度 ,  空間認識 ,  ニューラルガス ,  ROI【画像】 ,  ROI-GNG

分類 (2件)： 人工知能  (JE08000Z) ,  ロボットの運動・制御  (IC04012J)

引用文献 (15件)：

• Kumar, G. S., Kalra, P. K., and Dhande, S. G., Curve and surface reconstruction from points: an approach based on self-organizing maps, Applied Soft Computing, Vol. 5, No. 1, (2004), 55-66.
• Li, J., Chen, B. M., and Hee Lee, G, So-net: Self-organizing network for point cloud analysis, In Proceedings of the IEEE conference on computer vision and pattern recognition, (2018), pp. 9397-9406.
• Kohonen, T., Self-Organizing Maps, (2000), Springer.
• Martinetz, T. M. and Schulten, K. J. A “neural-gas” network learns topologies, Artificial Neural Networks, Vol. 1, (1991), pp. 397-402.
• Fritzke, B., Unsupervised clustering with growing cell structures, Neural Networks, Vol. 2, (1991), pp 531-536.

タイトルに関連する用語 (2件)： ノード密度 ,  手法