表題番号：2005B-385
日付：2011/03/10
研究課題機能局在と階層構造の学習と進化による知的構成に関する研究
| 研究者所属（当時） | 資格 | 氏名 | |
|---|---|---|---|
| （代表者） | 大学院情報生産システム研究科 | 助教授 | 古月 敬之 |
| （連携研究者） | 大学院情報生産システム研究科 | 教授 | 平澤 宏太郎 |
- 研究成果概要
- 本研究では、連続システムの機能局在と階層構成に焦点を絞って研究し、教師あり学習・教師なし学習・強化学習を複合したbrain-like学習システムを構築した。
我々の脳が持つ学習方法は、人工知能の分野では教師あり学習、教師なし学習、強化学習という３つのアルゴリズムに分類される。脳内では、これらの異なる学習方法が単体ではなく、適切に組み合わされて使用しており、それによって我々は非常に高度な情報しょりを実現していると言われている。これらの知見から、教師あり学習、教師なし学習、強化学習をそれぞれ適用した、３つ部分からなる知的学習システムを開発した。
（１）教師あり学習部分（SL part): SL partは問題を解くための主要な部分であり、構造は通常の3層階層型ANNと同じであるが、中間層の各ノードの発火強度がUL partからの信号によって制御される。
（２）教師なし学習部分（UL part): UL partは競合学習ネットワークで構成され、入力空間の分割と、SL partの中間層ノードの発火強度の制御を行う。
（３）強化学習部分（RL part)： RL partは、強化学習によってUL partの出力を調整することで、SL partの性能を最適化するための発火強度制御信号を自動的に決定する。