文献

J-GLOBAL ID：201802289035371849   整理番号：18A0165314

教師なし競合ニューラルネットワークに基づく異なる時間スケールを持つ移動ロボットのための安定性解析【Powered by NICT】

Stability analysis for mobile robots with different time-scales based on unsupervised competitive neural networks

著者 (2件)： Fernandez C. A. Pena (Automation Laboratory - Electrotechnical Department, Federal Institute of Bahia, Rod. BR 324, KM 102, Feira de Santana, Brasil) ,  Cerqueira J. J. F. (Robotics Laboratory - Department of Electrical Engineering, Federal University of Bahia, Rua Aristides Novis, 02, Federa,cao, Salvador, Brasil)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： LARS/SBR  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 教師なし競合ニューラルネットワーク(UCNN)のような,皮質マップにおける複雑なニューラルネットワークモデリング自己組織化プロセスの動力学を,与えられた入力のための全てのニューロン間の最良一致representantを決定するための標準的競合学習則に基づいている。UCNNsは長期および短期記憶の側面,速い部分と遅い部分として神経シナプス修飾の方程式として神経活動の方程式により特性化されるを含んでいる。異なる時間スケールを持つ移動ロボットの閉ループ系に対してUCNNsは運動学的拘束(のような神経活動)と一般化座標(シナプス修飾のような)の破れを表現するために用いることができる。さらに,教師なし学習部分は通常低計算量を持っているのでUCNNsは教師つき学習を用いた他の神経ネットワークの強力なプリプロセッサとして作用することができる。このようにして,全体的な計算努力はかなり減少する。厳密には運動学的拘束を満足する移動ロボットの局所的および大域的漸近安定性を解析するために,本研究は,UCNNのニューロンと教師なし学習間の相互干渉を用いた。提案した解析を検証するためにUCNNモデルの平衡点を数学的に二次形式Lyapunov関数を用いて解析し,完全に教師あり学習則に基づくモデルと比較した。結果はUCNNに基づくモデルは完全に教師あり学習則に基づくモデルより優れた性能をもつ起源の小球に収束することを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： シナプス ,  *安定性解析 ,  キャラクタリゼーション ,  ニューロン ,  教師なし学習 ,  教師つき学習 ,  閉ループ系 ,  *移動ロボット ,  漸近安定 ,  *ニューラルネットワーク ,  計算量 ,  Lyapunov関数
準シソーラス用語： 神経活動 ,  短期記憶 ,  学習則 , 【Automatic Indexing@JST】

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

タイトルに関連する用語 (6件)： 教師 ,  競合 ,  ニューラルネットワーク ,  時間スケール ,  ロボット ,  安定性解析