TOP > 技術シーズ検索 > ニューラルネットワーク、ニューラルネットワークシステム及びニューラルネットワーク処理プログラム

ニューラルネットワーク、ニューラルネットワークシステム及びニューラルネットワーク処理プログラム

シーズコード S130009682
掲載日 2013年6月5日
研究者
  • 辻 敏夫
  • 福田 修
技術名称 ニューラルネットワーク、ニューラルネットワークシステム及びニューラルネットワーク処理プログラム
技術概要 ニューラルネットは、動的な確率モデルの1つである隠れマルコフモデルを内包しており、LLGMNでは不可能だった時系列特性の学習を行うことが可能である。また、遷移確率や出力確率密度関数などの統計パラメータをネットワークの重みとして表現しており、誤差逆伝播方式の学習則によりその重みを調節することを目的とする。提案手法の有効性・妥当性を検証するために、時間とともに激しく変動するEEG信号の識別実験を行い、十分な識別精度を実現した。さらに、ターミナルラーニング方式を導入しているので、生体信号のパターン認識時の終了時刻を予め表示し、ユーザの精神的な負担を軽減する。
画像

※ 画像をクリックすると拡大します。

thum_2001-169464_1.GIF thum_2001-169464_2.GIF
研究分野
  • 生体計測
  • パターン認識
展開可能なシーズ 脳波や筋電位など生体信号のパターン認識システムに利用することができ、簡素な構造で時系列特性の学習が可能なニューラルネットワークと、対数線形化された混合正規分布モデルに基づく5層を備え、リカレント構造を有し、動的なデータにも対応可能なニューラルネットワークシステムと、学習前に終了時刻を明示することによって、学習収束を待つユーザ負担が軽減できるニューラルネットを提供することを目的とする。
混合ガウス分布モデルと対数線形モデルに基づいたLLGMNの能力改善を実施することができ、時間とともに変化する動的なデータにも適応可能な新しいリカレント型ニューラルネットR-LLGMNを提案した。このニューラルネットは、LLGMNでは不可能だった時系列特性の学習を行うことが可能である。また統計パラメータをネットワークの重みとして表現し、誤差逆伝播方式の学習則によりその重みを調節できる。さらに、ターミナルラーニング方式を導入し、生体信号のパターン認識時の終了時刻を予め表示することができ、ユーザの精神的な負担を軽減できる。
用途利用分野 ニューラルネットワーク、ニューラルネットワークシステム、ニューラルネットワーク処理プログラム
出願特許   特許 国際特許分類(IPC)
( 1 ) 独立行政法人科学技術振興機構, . 辻 敏夫, 福田 修, . ニューラルネットワーク、ニューラルネットワークシステム及びニューラルネットワーク処理プログラム. 特開2002-366927. 2002-12-20
  • G06N   3/04     
  • G06F  17/18     
  • G06N   3/00     

PAGE TOP