ニューラルネットワーク応用技術.pptVIP

ニューラルネットワークの基礎と応用技術 大松　繁 大阪府立大学大学院工学研究科電気?情報系専攻 ニューラルネットワークの歴史 脳とコンピュータ ものの見え方（パターン表現の重要性） ニューラルネットワークとは 大脳皮質(brain cortex) ニューロン(3) シナップス結合 ニューロンの数式モデル パーセプトロンとBP法 誤差逆伝搬法（Error Back-Propagation Method） Error Back-Propagation Method（1） Error Back-Propagation Method（2） Error Back-Propagation Method（3） 人間のインテリジェンス 次式を満足するように、アルファベットを0～9で符号化せよ。ただし、 ニューロコントロール 　 1) 恒温槽の温度制御 　 2) 加熱炉の温度制御 　 3) 倒立振子の安定化制御 　 4) ハードディスクドライバの位置制御 　 5) 化学プラントの圧力制御 ニューロパターン認識 　 1) 紙幣識別への応用 　 2)リモートセンシングデータ処理 　 3) 識別音響識別 　 4) 梅果とゴムパッキン傷の自動識別 PID制御 ニューロＰＩＤ制御系 競合型NN（ＬＶＱ）の構造 競合型ＮＮの学習法（ＬＶＱ１） LVQ学習法 ＬＶＱによる紙幣識別 紙幣データ　 　　　　　（8金種×2方向. 各150枚）  　 紙幣の時系列データ 実験用競合型ＮＮ の構造 当初カテゴリー：　16　(= 8金種×2方向) ニューロン数最適化 の結果 　当初設定の平均値ベクトルが、信頼性評価を考慮した最適化学習で3ベクトルに分割された様子を示す。学習データ (100枚　許容数：3　学習：100回 ) 表３ 最適化後の識別能力（テストデータ） Metal Oxide Principle Metal Oxide Sensors Circuit QCM(Quartz Crystal Microbalance） 20-30 oC 30-40%RH ENと匂い物： 1.5m Albert Einstein　 Caltech 定常状態での周波数特性 従来のパターン認識とニューロパターン認識 階層型ニューラルネットワークによる識別能力 ニューロ紙幣識別手法 (a) A Direction of 1,000Lira (b) B direction of 1,000 Lira (c) C direction of 1,000 Lira (d) D direction of 1,000 Lira 1,000 Italian Liras (c) 50,000 Lira(new) D direction (d) 50,000 Lira(old) D direction (a) 50,000 Lira(new) A direction (b) 50,000 Lira(old) A direction イタリア紙幣5,000リラの入力データ 入力層 … … 競合層 X(t) Wc(t) Wc(t+1) Wc(t+1) 異カテゴリー 同一カテゴリ－ とニューロン の属するカテゴリーが同じであるとき とニューロン の属するカテゴリーが異なるとき 　 ii）　 i）　 L.CH. R.CH. 搬 送 方 向 ＄１－Ｃ方向 の時系列データ 入力層 … … 競合層 入力：　32次元（16次元×２?????） 平均値基準ベクトル 　　　　　　　　　　　　　　　最適化基準ベクトル 1×10-5 99.92 35 総合値 2×10-21 100 1 新$100 Ｄ方向 5×10-13 100 1 新$100 Ｃ方向 3×10-15 100 2 旧$100 Ｄ方向 1×10-5 100 4 旧$100 Ｃ方向 9×10-12 100 6 $50 Ｄ方向 2×10-8 100 2 $50 Ｃ方向 4×10-9 100 2 $20 Ｄ方向 2×10-8 100 4 $20 Ｃ方向 1×10-33 100 2 $10 Ｄ方向 1×10-14 100 1 $10 Ｃ方向 3×10-6 98.67 4 $5 Ｄ方向 2×10-7 100 2 $5 Ｃ方向 2×10-20 100 1 $2 Ｄ方向 1×10-17 100 1 $2 Ｃ方向 2×10-11 100 1 $1 Ｄ方向 4×10-7 100 1 $1 Ｃ方向 信頼性ワースト 認識率(%) ニューロン数 カテゴリー 　紙幣音による紙幣の新旧識別 Little difference in amplitude Difficulty for fatigue level cl