文献

J-GLOBAL ID：201802278907376857   整理番号：18A1289331

SERKAT:大規模認知モデルを実現するための確率モデルの接続のためのアーキテクチャ【JST・京大機械翻訳】

SERKET: An Architecture for Connecting Stochastic Models to Realize a Large-Scale Cognitive Model

著者 (3件)： Nakamura Tomoaki (Department of Mechanical Engineering and Intelligent Systems, University of Electro-Communications) ,  Nagai Takayuki (Department of Mechanical Engineering and Intelligent Systems, University of Electro-Communications) ,  Taniguchi Tadahiro (Department of Information Science and Engineering, Ritsumeikan University)
資料名： Frontiers in Neurorobotics (Web)  (Frontiers in Neurorobotics (Web))
巻： 12  ページ： 25  発行年： 2018年 
JST資料番号： U7086A  ISSN： 1662-5218  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 人間のようなロボット知能を実現するために,それらが装備されている様々なセンサを通して,それらの環境を理解するために,ロボットのために大規模な認知アーキテクチャが必要である。本論文では,大規模な生成モデルの構築と,それらの環境との相互作用を通して様々な能力を獲得するためのロボットを可能にするために,サブモジュールを接続することによって容易に推論することを可能にする新しいフレームワークを提案した。大規模認知モデルは,それらのプログラム的独立性を維持しながら,階層的により小さい基本モデルを接続することにより構築できると考えた。さらに,接続されたモジュールは互いに依存し,それらのパラメータは全体として最適化されなければならない。従来,パラメータ推定のための方程式は,モデルに依存して誘導され,実行されなければならない。しかし,大規模モデルの方程式を導き,実行することは困難になっている。そこで,本論文では,それらのプログラム的独立性を維持しながら,種々のモジュール間の最小パラメータを通信するパラメータ推定法を提案した。したがって,セルケットは大規模モデルを構築することを容易にし,モジュールの接続を通してそれらのパラメータを推定する。実験結果は,モデルがモジュールを接続することによって構築することができて,パラメータを全体として最適化することができて,著者らが提案したオリジナルのモデルと同等であることを実証した。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ロボット ,  パラメータ推定 ,  最適化 ,  *認知モデル ,  センサ ,  *モデル ,  相互作用 ,  *計算機アーキテクチャ ,  *確率モデル
準シソーラス用語： 生成モデル ,  認知的アーキテクチャ , 【Automatic Indexing@JST】

著者キーワード (5件)： 認知モデル ,  確率的生成モデル ,  ロボットにおけるシンボル出現 ,  概念形成 ,  教師なし学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 大規模 ,  認知モデル ,  確率モデル ,  アーキテクチャ