JP4599509B2 - 自己進化型パターン認識システム - Google Patents
自己進化型パターン認識システム Download PDFInfo
- Publication number
- JP4599509B2 JP4599509B2 JP2004261281A JP2004261281A JP4599509B2 JP 4599509 B2 JP4599509 B2 JP 4599509B2 JP 2004261281 A JP2004261281 A JP 2004261281A JP 2004261281 A JP2004261281 A JP 2004261281A JP 4599509 B2 JP4599509 B2 JP 4599509B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern recognition
- unit
- self
- feature extraction
- recognition system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Analysis (AREA)
Description
Fukushima, K.: Cognitron: a self-organizing multilayered neural network. Biol. Cybernetics 20, 121-136, 1975.
x(n)=[x1(n),x2(n),…,xN(n)]T … (1)
と定義すると、後段のパターン認識部20に入力される符号化データは、次式(2)のように、サイズがN×Mの行列形式で表現される。
y(n)=[y1(n),y2(n),…,yN(n)]
yi(n)=f(xi(n)) (i=1,2,…,N)
ここで、関数f(・)は、後段のパターン認識部20での処理が効率的に行われるように必要に応じて各フレームデータに対して適用されるものであり、例えばローパスフィルターのように各フレームデータを更に圧縮するような関数や、各フレームデータの波形を平滑化するような関数、各フレームデータの正規化を行ってパターン空間の均一性を保つような関数等が適用される。ここで、関数f(・)内のパラメータは可変である。なお、パターン認識部20が自己組織化カーネルメモリーとして構成される場合には、他の人工ニューラルネットワーク構造の場合と同様に少なくともデータの正規化は行われることが望ましい。
初期パラメータ値の設定の仕方について説明したが、特徴抽出部10が視覚系及び嗅覚系等の特徴抽出器として用いられる場合にも、同様にして、学術的知見から得た情報に基づいて上記(i)〜(v)のパラメータの初期値の範囲を限定することができる。
a=amin (a<aminならば)
=amax (a>amaxならば) … (3)
=a+Δa (それ以外)
を満足するように各パラメーターの許容範囲内で各パラメータを漸次的に更新することが好ましい。なお、上式(3)において、aminおよびamaxはそれぞれ自己進化型パターン認識システム1に依存した閾値(最小値及び最大値)であり、Δaは増減値である。
10,10A,10B 特徴抽出部
11 サンプリング部
12 周波数帯域分割部
13 帯域分割データ変換部
20 パターン認識部
21,22 サブネットワーク構造
30 強化学習部
31,31a,31b,31c 比較器
Claims (5)
- 入力データを所定のサンプリング周期で離散化するサンプリング部と、このサンプリング部により得られたサンプリングデータを周波数領域で所定の帯域分割数及び所定の帯域幅に帯域分割する周波数帯域分割部と、この周波数帯域分割部により得られた各帯域の帯域分割データをそれぞれ正規化関数、平滑化関数のいずれかの関数に従って変換し、各帯域の変換された帯域分割データを所定のフレーム数単位で束ねた符号化データを生成する帯域分割データ変換部とを有する特徴抽出部と、
核関数に従って入力ベクトルとテンプレートベクトルとの類似度に応じた発火の強さを出力する複数のニューロンを含む自己組織化ニューラルネットワーク構造を有し、前記特徴抽出部の前記帯域分割データ変換部により生成された前記符号化データに基づきパターン認識の処理を行うパターン認識部と、
前記パターン認識部により得られたパターン認識結果と予め定められた目標値との誤差信号を求め、前記誤差信号がゼロに近づくように、前記特徴抽出部での処理に必要とされる前記サンプリング周期、前記帯域分割数、前記帯域幅、前記フレーム数及び前記関数のうちの少なくとも一つのパラメータを当該パラメータの最大値と最小値の間で予め定められた値だけ増減する学習を行う強化学習部とを備えたことを特徴とする自己進化型パターン認識システム。 - 請求項1に記載の自己進化型パターン認識システムにおいて、
前記各ニューロンで用いられる前記核関数はラジアル基底関数を含むことを特徴とする、自己進化型パターン認識システム。 - 請求項1に記載の自己進化型パターン認識システムにおいて、
前記パターン認識部の前記自己組織化ニューラルネットワーク構造は複数のサブネットワーク構造を有し、前記強化学習部は、前記自己組織化ニューラルネットワーク構造に含まれる複数のサブネットワーク構造に対して競合的な学習を行わせることにより前記学習を行うことを特徴とする自己進化型パターン認識システム。 - 請求項3に記載の自己進化型パターン認識システムにおいて、
前記強化学習部は、前記誤差信号が他のサブネットワーク構造に比べて大きいサブネットワーク構造に学習を行わせ、前記他のサブネットワーク構造には学習を行わせないことを特徴とする自己進化型パターン認識システム。 - 請求項3に記載の自己進化型パターン認識システムにおいて、
前記強化学習部は、予め定められた期間内に発火したニューロンの数が閾値を下回ったサブネットワーク構造を消去することを特徴とする自己進化型パターン認識システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004261281A JP4599509B2 (ja) | 2004-09-08 | 2004-09-08 | 自己進化型パターン認識システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004261281A JP4599509B2 (ja) | 2004-09-08 | 2004-09-08 | 自己進化型パターン認識システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006079279A JP2006079279A (ja) | 2006-03-23 |
JP4599509B2 true JP4599509B2 (ja) | 2010-12-15 |
Family
ID=36158696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004261281A Expired - Fee Related JP4599509B2 (ja) | 2004-09-08 | 2004-09-08 | 自己進化型パターン認識システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4599509B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5261312B2 (ja) * | 2009-07-30 | 2013-08-14 | 富士フイルム株式会社 | 画像解析装置、画像解析方法およびプログラム |
CN108140133B (zh) | 2015-10-22 | 2022-03-22 | 富士通株式会社 | 程序生成装置、程序生成方法及记录介质 |
US11576628B2 (en) * | 2018-01-03 | 2023-02-14 | Koninklijke Philips N.V. | Full dose PET image estimation from low-dose PET imaging using deep learning |
US11429809B2 (en) | 2019-09-24 | 2022-08-30 | Beijing Sensetime Technology Development Co., Ltd | Image processing method, image processing device, and storage medium |
CN110647938B (zh) * | 2019-09-24 | 2022-07-15 | 北京市商汤科技开发有限公司 | 图像处理方法及相关装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03105663A (ja) * | 1989-09-20 | 1991-05-02 | Fujitsu Ltd | 強化学習処理方式 |
JPH03111963A (ja) * | 1989-09-26 | 1991-05-13 | Fujitsu Ltd | ニューラルネット構成情報処理装置 |
JPH098707A (ja) * | 1995-06-23 | 1997-01-10 | Matsushita Electric Ind Co Ltd | 音声制御装置 |
JP2003085560A (ja) * | 2001-09-07 | 2003-03-20 | Canon Inc | 信号処理回路及びパターン認識装置 |
JP2004005498A (ja) * | 2002-04-02 | 2004-01-08 | Inst Of Physical & Chemical Res | 記憶連鎖システム、記憶連鎖プログラム、記憶連鎖システムで用いられるニューロン素子 |
-
2004
- 2004-09-08 JP JP2004261281A patent/JP4599509B2/ja not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03105663A (ja) * | 1989-09-20 | 1991-05-02 | Fujitsu Ltd | 強化学習処理方式 |
JPH03111963A (ja) * | 1989-09-26 | 1991-05-13 | Fujitsu Ltd | ニューラルネット構成情報処理装置 |
JPH098707A (ja) * | 1995-06-23 | 1997-01-10 | Matsushita Electric Ind Co Ltd | 音声制御装置 |
JP2003085560A (ja) * | 2001-09-07 | 2003-03-20 | Canon Inc | 信号処理回路及びパターン認識装置 |
JP2004005498A (ja) * | 2002-04-02 | 2004-01-08 | Inst Of Physical & Chemical Res | 記憶連鎖システム、記憶連鎖プログラム、記憶連鎖システムで用いられるニューロン素子 |
Also Published As
Publication number | Publication date |
---|---|
JP2006079279A (ja) | 2006-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7422946B2 (ja) | ベイジアングラフ探索を用いたニューラルネットワークアーキテクチャの自動構築 | |
EP3361945B1 (en) | System and method of adaptive interpretation of ecg waveforms | |
CN110070105B (zh) | 基于元学习实例快速筛选的脑电情绪识别方法、*** | |
Shi et al. | Hybrid convolutional recurrent neural networks outperform CNN and RNN in task-state EEG detection for Parkinson's disease | |
Forney et al. | Classification of EEG during imagined mental tasks by forecasting with Elman recurrent neural networks | |
EP2158563A2 (en) | A method of and a system for sensor signal data analysis | |
Zhang et al. | Individual similarity guided transfer modeling for EEG-based emotion recognition | |
Zhang et al. | Classification of EEG signals based on AR model and approximate entropy | |
JP4599509B2 (ja) | 自己進化型パターン認識システム | |
CN114781439A (zh) | 模型获取***、手势识别方法、装置、设备及存储介质 | |
Banerjee et al. | Synthesis of realistic ECG waveforms using a composite generative adversarial network for classification of atrial fibrillation | |
Ali et al. | Classification of motor imagery task by using novel ensemble pruning approach | |
Tzallas et al. | Classification of EEG signals using feature creation produced by grammatical evolution | |
García-Salinas et al. | Intra-subject class-incremental deep learning approach for EEG-based imagined speech recognition | |
CN117574059A (zh) | 高分辨率脑电信号深度神经网络压缩方法及脑机接口*** | |
Yang et al. | EEG classification for BCI based on CSP and SVM-GA | |
CN114429174A (zh) | 基于脑网络和多尺度排列熵的脑电信号情绪识别方法 | |
Pathan et al. | Investigation on classification of motor imagery signal using Bidirectional LSTM with effect of dropout layers | |
Bellegdi et al. | Automatic detection of epilepsy using EEG energy and frequency bands | |
Golpayegani et al. | A novel approach in ECG beat recognition using adaptive neural fuzzy filter | |
Zhang et al. | Classification of eeg signals using multiple gait features based on small-world neural network | |
Khelassi et al. | Cognitive amalgam with a distributed fuzzy case-based reasoning system for an accurate cardiac arrhythmias diagnosis | |
Stoimchev et al. | 150. DETECTION OF EPILEPSY USING ADAPTIVE NEURO-FUZZY INFERENCE SYSTEM | |
Morales-Flores et al. | Mental tasks temporal classification using an architecture based on ANFIS and recurrent neural networks | |
Chaki et al. | Emotion Recognition from Feature Mapping Between Two Different Lobes of Human Brain Using EEG |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20070830 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100527 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100601 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20100608 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20100603 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100707 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100727 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100825 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131008 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |