文献

J-GLOBAL ID：201902210102943167   整理番号：19A0418959

確率モデルの統合による大規模なモデルの実現-VAE,GMM,HMM,MLDAの統合モデルの実装と評価-

著者 (10件)： 國安瞭 (電通大) ,  中村友昭 (電通大) ,  青木達哉 (電通大) ,  谷口彰 (立命館大) ,  尾崎僚 (立命館大) ,  伊志嶺朝良 (立命館大) ,  横山裕樹 (玉川大) ,  小椋忠志 (総合研究大学院大) ,  長井隆行 (電通大) ,  谷口忠大 (立命館大)
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： 118  号： 284(IBISML2018 44-104)(Web)  ページ： 249-254 (WEB ONLY)  発行年： 2018年10月29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： 人間のような知能を人工的に実現するためには,ロボットに搭載されている様々なセンサから得られるマルチモーダルな情報から,環境を理解するためのモデルが必要である。しかし,モデルの規模が大きく複雑になるにつれて,そのようなモデルを構築し,さらにモデルのパラメータを推定するための方程式を導き実装することは困難となる。そのため我々は,小規模な基礎的なモデルであるモジュールをプログラムの独立性を維持しながら階層的に接続することにより,大規模な認知モデルを構築し,そのパラメータ推定を容易に行うことができるフレームワークSerketを提案した。本稿では,Variational Autoencoder,Gaussian Mixture Model,Markov Modelなどのモジュールを新たに実装し,Serketを用いることで容易にそれらを統合したモデルを構築できることを示す。(著者抄録)

シソーラス用語： *確率モデル ,  認知モデル ,  工学 ,  *教師なし学習 ,  最適化 ,  *機械学習 ,  学習モデル ,  知能ロボット ,  モデル
準シソーラス用語： *マルチモーダル学習 ,  マルチモーダル最適化 ,  ロボティックス ,  *確率的生成モデル ,  大規模モデル

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (15件)：

• M. Attamimi, Y. Ando, T. Nakamura, T. Nagai, D. Mochihashi, I. Kobayashi, and H. Asoh, “Learning word meanings and grammar for verbalization of daily life activities using multilayered multimodal latent dirichlet allocation and bayesian hidden markov models,” Advanced Robotics, vol.30, no.11-12, pp.806-824, 2016.
• T. Nakamura, T. Nagai, K. Funakoshi, S. Nagasaka, T. Taniguchi, and N. Iwahashi, “Mutual learning of an object concept and language model based on mlda and npylm,” IEEE/RSJ International Conference on Intelligent Robots and Systems, pp.600-607, 2014.
• J. Nishihara, T. Nakamura, and T. Nagai, “Online algorithm for robots to learn object concepts and language model,” IEEE Transactions on Cognitive and Developmental Systems, vol.9, no.3, pp.255-268, 2017.
• A. Taniguchi, T. Taniguchi, and T. Inamura, “Spatial concept acquisition for a mobile robot that integrates self-localization and unsupervised word discovery from spoken sentences,” IEEE Transactions on Cognitive and Developmental Systems, vol.8, no.4, pp.285-297, 2016.
• T. Nakamura, T. Nagai, and T. Taniguchi, “Serket: An architecture for connecting stochastic models to realize a large-scale cognitive model,” Frontiers in Neurorobotics, vol.12, pp.1-16, 2018.

タイトルに関連する用語 (10件)： 確率モデル ,  統合 ,  大規模 ,  モデル ,  VAE ,  GMM ,  HMM ,  統合モデル ,  実装 ,  評価