文献

J-GLOBAL ID：200902285223923158   整理番号：08A0825168

エージェント学習のためのニューラルネットワークの構造に関する研究

A Study on Artificial Neural Network Structures for Agent Learning

著者 (3件)： 渡辺美知子 (北見工大) ,  岩館健司 (北大 大学院) ,  古川正志 (北大 大学院)
資料名： 精密工学会誌(CD-ROM)  (精密工学会誌論文集)
巻： 74  号： 8  ページ： 865-869  発行年： 2008年08月05日 
JST資料番号： F0268B  ISSN： 1348-8716  資料種別： 逐次刊行物 (A)
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： 本研究ではD.J.Wattsが提案したベータモデルに基づきレギュラーグラフネットワーク(ReGN),ランダムグラフネットワーク(RaGN),スモールワールドネットワーク(SWGN)の構造を持つ3つの人工ニューラルネットワーク(ANN)を人為的に作成し,これらとバックプロパゲーション(BP)とリカレントネットワーク(RN)を加えた5つのネットワーク特性について,教師あり学習問題と教師なし学習問題に適用して比較検討した。また2輪駆動と光センサーをもつロボットの行動獲得にSWGNを用いてその有効性について検証した。これにより得た主な知見を次に示した。1)5つのANNモデルを比較すると,BPとRNについては固有パス長は小さいがクラスタリング係数は大きいこと,2)教師あり学習問題ではBPとRNに比して,提案した3つのANNモデルが圧倒的に早い学習を行えること,3つのANNではSWGNが最も速い収束となること,3)教師なし問題ではBPとRNが提案した3つのANNより早い収束をみせること,3つのANNではSWGNが最も速い収束をすること,4)RaGNが教師なし学習問題で収束しなかったことは,小さなクラスタリング係数のANNは固有パス長が小さくても性能が良くないこと。

シソーラス用語： *神経回路網 ,  逆伝搬法 ,  教師なし学習 ,  教師つき学習 ,  *ロボット ,  クラスタ化 ,  機械学習 ,  ネットワーク ,  収束 ,  *エージェント ,  *ネットワーク構造 ,  リカレントニューラルネットワーク ,  改変
準シソーラス用語： スモールワールドネットワーク ,  行動獲得 ,  *人工ニューラルネットワーク

分類 (2件)： ロボットの設計・製造・構造要素  (IC04013A) ,  ネットワーク法  (KA03040X)

引用文献 (7件)：

• フィリップD. ワッセルマン. ニューラル・コンピューティング. 1998
• REEVES, Colin R. モダンヒューリスティックス. 1997
• 電気学会GA等組合せ最適化手法・応用調査専門委員会. 遺伝的アルゴリズムとニューラルネット. 1998
• WATTS, Duncan J. Small Worlds. 1999
• ダンカン・ワッツ. スモールワールド・ネットワーク. 2004

タイトルに関連する用語 (4件)： エージェント ,  学習 ,  ニューラルネットワーク ,  研究