Top > Search of Japanese Patents > DATA PROCESSOR, DATA PROCESSING METHOD AND PROGRAM

DATA PROCESSOR, DATA PROCESSING METHOD AND PROGRAM meetings

Patent code P09A014792
Posted date Nov 13, 2009
Application number P2006-298308
Publication number P2008-117090A
Patent number P5011529
Date of filing Nov 1, 2006
Date of publication of application May 22, 2008
Date of registration Jun 15, 2012
Inventor
  • (In Japanese)山川 烈
  • (In Japanese)古賀 崇了
Applicant
  • (In Japanese)国立大学法人九州工業大学
Title DATA PROCESSOR, DATA PROCESSING METHOD AND PROGRAM meetings
Abstract

PROBLEM TO BE SOLVED: To suitably reconstruct an expected vector group as a reference vector group even when the characteristics of successively input learning vectors temporarily change.

SOLUTION: This data processor is provided with: a reference vector/activity storage part 20 for storing the reference vector and activity of a unit arranged in a competitive layer; a distance calculation part 12 for calculating a distance between the learning vector and each reference vector; a reference vector addition part 16 for adding the reference vector to the reference vector/activity storage part 20 for storage when the minimum value of the calculated distance is larger than a predetermined value; a reference vector updating part 14 for making at least a part of the reference vector approach or separate from the learning vector according to evaluation with respect to the learning vector, and for updating the activity of the unit relating to the reference vector; and a reference vector/connection strength erasing part 24 for erasing the reference vector from the reference vector/activity storage part 20 according to each activity.

Outline of related art and contending technology (In Japanese)


下記特許文献1には自己組織化関係(Self-Organizing Relationship: SOR)ネットワークが開示されている。この自己組織化関係ネットワークは、所定数のニューロンモデルが配置された競合層を備えるもので、肯定的な評価を有する学習ベクトルが入力されると、一部又は全部のニューロンモデルの参照ベクトルが当該学習ベクトルに接近し、逆に否定的な評価を有する学習ベクトルが入力されると、一部又は全部のニューロンモデルの参照ベクトルが当該学習ベクトルから離間するものである。同技術によると、例えば入力データ及び出力データのペアからなる学習ベクトルを、そのペアに対する評価とともに自己組織化関係ネットワークに順次入力することにより、望ましい入出力データ対の集合を参照ベクトル群として構築することなどが可能となる。



しかしながら、上記自己組織化関係ネットワークによると、競合層に配置されるニューロンモデルの数、すなわち参照ベクトルの数は固定であり、入力される学習ベクトルの集合によっては、望ましいデータ集合を参照ベクトル群として適切に構築することが困難な場合がある。



この点、下記非特許文献1に記載されたESOM(Evolving Self-Organizing Map)によると、入力される学習ベクトルによって参照ベクトルの数を増やすことができる。すなわちESOMによると、学習ベクトルが入力されると、その学習ベクトルに近い参照ベクトルが既に存在すれば、従来と同様、該参照ベクトル及びその近傍の参照ベクトルを学習ベクトルに従って更新し、一方、そのような参照ベクトルが存在しなければ、学習ベクトルに一致する参照ベクトルをESOMに新たに追加する。こうして、参照ベクトルの数を必要に応じて増加させ、望ましいデータ集合を好適に構築できるようネットワークを変化させている。

【特許文献1】特開2000-122991号公報

【非特許文献1】「ESOMによるオンラインパターン解析(On-linepattern analysis by evolving self-organizing maps)」,ダ・デン(Da Deng)及びニコラ・カザボフ(NikolaKasabov),ニューロコンピューティング,Vol.51,87-103頁,2003年

Field of industrial application (In Japanese)


本発明はデータ処理装置、データ処理方法及びプログラムに関し、特に学習ベクトルに従って所期のベクトル集合を構築するデータ処理装置、データ処理方法及びプログラムに関する。

Scope of claims (In Japanese)
【請求項1】
 
1以上の参照ベクトルを記憶する参照ベクトル記憶手段と、
順次入力される学習ベクトルと前記参照ベクトル記憶手段に記憶される前記各参照ベクトルとの距離を算出する距離算出手段と、
前記距離算出手段により算出される距離の最小値が所定値より大きい場合に、前記学習ベクトルに基づいて決定される参照ベクトルを前記参照ベクトル記憶手段に追加して記憶させる参照ベクトル追加手段と、
前記距離算出手段により算出される距離の最小値が所定値以下の場合に、前記参照ベクトル記憶手段に記憶される前記1以上の参照ベクトルの少なくとも一部を、前記学習ベクトルに対し、該学習ベクトルに対する評価に応じて接近させ又は離間させる参照ベクトル更新手段と、
前記参照ベクトル記憶手段に記憶される前記各参照ベクトルに関連づけて活性度を記憶するとともに、該参照ベクトルと前記学習ベクトルとの距離及び該学習ベクトルに対する評価に基づいて、それら活性度を更新する活性度記憶更新手段と、
前記各参照ベクトルに関連づけられた活性度に応じて、前記各参照ベクトルを前記参照ベクトル記憶手段から削除する参照ベクトル削除手段と、
を含むことを特徴とするデータ処理装置。

【請求項2】
 
請求項1に記載のデータ処理装置において、
前記参照ベクトル追加手段は、前記距離算出手段により算出される距離の最小値が前記所定値より大きく、且つ前記学習ベクトルに対する評価が所定以上のものである場合に、前記参照ベクトルを前記参照ベクトル記憶手段に追加して記憶させる、
ことを特徴とするデータ処理装置。

【請求項3】
 
請求項1又は2に記載のデータ処理装置において、
前記活性度記憶更新手段は、前記参照ベクトルと前記学習ベクトルとの距離が近いほど、前記活性度を大きく変化させる、
ことを特徴とするデータ処理装置。

【請求項4】
 
請求項1乃至3のいずれかに記載のデータ処理装置において、
前記活性度記憶更新手段は、前記学習ベクトルに対する評価が肯定的である場合には前記活性度を増加させ、否定的である場合には前記活性度を減少させる、
ことを特徴とするデータ処理装置。

【請求項5】
 
請求項1乃至4のいずれかに記載のデータ処理装置において、
前記参照ベクトル記憶手段に記憶される前記参照ベクトルの各対に関連づけて、該対の結合強度を記憶するとともに、該対のそれぞれと前記学習ベクトルとの距離に応じて該結合強度を更新する結合強度記憶更新手段をさらに含む、
ことを特徴とするデータ処理装置。

【請求項6】
 
請求項5に記載のデータ処理装置において、
前記参照ベクトル更新手段は、前記最小値に係る前記参照ベクトルと、前記結合強度に基づいて判断される該参照ベクトルの近傍の参照ベクトルと、を前記学習ベクトルに対して近接させ又は離間させ、
前記参照ベクトル削除手段は、前記参照ベクトルを前記参照ベクトル記憶手段から削除する場合に、該参照ベクトルに係る前記結合強度を併せて削除する、
ことを特徴とするデータ処理装置。

【請求項7】
 
順次入力される学習ベクトルと、1以上の参照ベクトルを記憶する参照ベクトル記憶手段に記憶される前記各参照ベクトルと、の距離を算出する距離算出ステップと、
前記距離算出ステップで算出される距離の最小値が所定値より大きい場合に、前記学習ベクトルに基づいて決定される参照ベクトルを前記参照ベクトル記憶手段に追加して記憶させる参照ベクトル追加ステップと、
前記距離算出ステップで算出される距離の最小値が所定値以下の場合に、前記参照ベクトル記憶手段に記憶される前記1以上の参照ベクトルの少なくとも一部を、前記学習ベクトルに対し、該学習ベクトルに対する評価に応じて接近させ又は離間させる参照ベクトル更新ステップと、
前記参照ベクトル記憶手段に記憶される前記各参照ベクトルと前記学習ベクトルとの距離及び該学習ベクトルに対する評価に基づいて、該参照ベクトルの活性度を更新する活性度更新ステップと、
前記各参照ベクトルの活性度に応じて、前記各参照ベクトルを前記参照ベクトル記憶手段から削除する参照ベクトル削除ステップと、
を含むことを特徴とするデータ処理方法。

【請求項8】
 
1以上の参照ベクトルを記憶する参照ベクトル記憶手段、
順次入力される学習ベクトルと前記参照ベクトル記憶手段に記憶される前記各参照ベクトルとの距離を算出する距離算出手段、
前記距離算出手段により算出される距離の最小値が所定値より大きい場合に、前記学習ベクトルに基づいて決定される参照ベクトルを前記参照ベクトル記憶手段に追加して記憶させる参照ベクトル追加手段、
前記距離算出手段により算出される距離の最小値が所定値以下の場合に、前記参照ベクトル記憶手段に記憶される前記1以上の参照ベクトルの少なくとも一部を、前記学習ベクトルに対し、該学習ベクトルに対する評価に応じて接近させ又は離間させる参照ベクトル更新手段、
前記参照ベクトル記憶手段に記憶される前記各参照ベクトルに関連づけて活性度を記憶するとともに、該参照ベクトルと前記学習ベクトルとの距離及び該学習ベクトルに対する評価に基づいて、それら活性度を更新する活性度記憶更新手段、及び
前記各参照ベクトルに関連づけられた活性度に応じて、前記各参照ベクトルを前記参照ベクトル記憶手段から削除する参照ベクトル削除手段
としてコンピュータを機能させるためのプログラム。
Industrial division
  • Computation controlling device
IPC(International Patent Classification)
Drawing

※Click image to enlarge.

JP2006298308thum.jpg
State of application right Right is in force
Please contact us by E-mail or facsimile if you have any interests on this patent.


PAGE TOP

close
close
close
close
close
close
close