JP6801529B2 - 情報処理装置、情報処理方法、およびプログラム - Google Patents
情報処理装置、情報処理方法、およびプログラム Download PDFInfo
- Publication number
- JP6801529B2 JP6801529B2 JP2017044846A JP2017044846A JP6801529B2 JP 6801529 B2 JP6801529 B2 JP 6801529B2 JP 2017044846 A JP2017044846 A JP 2017044846A JP 2017044846 A JP2017044846 A JP 2017044846A JP 6801529 B2 JP6801529 B2 JP 6801529B2
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- phase difference
- complex
- layer
- information processing
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/35—Details of non-pulse systems
- G01S7/352—Receivers
- G01S7/356—Receivers involving particularities of FFT processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
- Complex Calculations (AREA)
Description
近年、情報処理技術の発展に伴い、種々のニューラルネットワークモデルが提案されている。また、上記のようなニューラルネットワークモデルには、入力される複素数や四元数などの多次元データに基づいて識別を行うモデルも存在する。
<<2.1.情報処理装置10の機能構成例>>
続いて、本発明の第1の実施形態について説明する。まず、本実施形態に係る情報処理装置10の機能構成例について述べる。図1は、本実施形態に係る情報処理装置10の機能ブロック図の一例である。図1を参照すると、本実施形態に係る情報処理装置10は、入力部110、推定部120、記憶部130、および出力部140を備える。以下、上記構成について、当該構成が有する機能を中心に説明する。
入力部110は、操作者による種々の入力操作を検出する機能を有する。本実施形態に係る入力部110は、例えば、後述する推定部120による推定に用いるデータを指定する操作者の入力操作を検出してよい。このために、本実施形態に係る入力部110は、操作者による入力操作を検出するための各種の装置を含んでよい。入力部110は、例えば、各種のボタン、キーボード、タッチパネル、マウス、スイッチなどにより実現され得る。
推定部120は、入力される複素数データを用いて、機械学習モデルに基づく状態推定を行う機能を有する。この際、本実施形態に係る推定部120は、ニューラルネットワークを用いて上記の状態推定を行ってよい。例えば、本実施形態に係る推定部120は、ニューラルネットワークを用いて、回帰問題や分類問題などに対する解答を出力することができる。本実施形態に係るニューラルネットワークの構成については、別途詳細に説明する。
記憶部130は、情報処理装置10が備える各構成で用いられるプログラムやデータなどを記憶する機能を有する。本実施形態に係る記憶部130は、例えば、推定部120が備えるニューラルネットワークに用いられる種々のパラメータや、推定部120が出力する出力結果などを記憶してよい。
出力部140は、操作者に対し種々の情報出力を行う機能を有する。本実施形態に係る出力部140は、例えば、推定部120による推定結果を出力してよい。このために、本実施形態に係る出力部140は、視覚情報を出力するディスプレイ装置を含んで構成され得る。ここで、上記のディスプレイ装置は、例えば、CRT(Cathode Ray Tube)ディスプレイ装置、液晶ディスプレイ(LCD:Liquid Crystal Display)装置、OLED(Organic Light Emitting Diode)装置、タッチパネル、プロジェクタなどにより実現され得る。
次に、本実施形態に係るニューラルネットワークのネットワーク構成例について詳細に説明する。図2は、本実施形態に係るニューラルネットワークのネットワーク構成例を示す図である。
<<3.1.第2の実施形態の概要>>
続いて、本発明の第2の実施形態について説明する。本発明の第2の実施形態に係るニューラルネットワークは、入力される複素数データを畳み込むことで複数の特徴マップを出力し、当該特徴マップ間における要素ごとの位相差を算出することができる。すなわち、本実施形態に係るニューラルネットワークは、複素数型畳み込みニューラルネットワーク(複素数型CNN:Convolutional Neural Network)であることを特徴の一つとする。
(一般的な複素数型畳み込みニューラルネットワーク)
まず、本実施形態に係るニューラルネットワークの優位性を明確とするため、一般的な複素数型畳み込みニューラルネットワークについて説明する。一般的な複素数型畳み込みニューラルネットワークでは、実数型畳み込みニューラルネットワークと同様に、畳み込み処理とプーリング処理とが繰り返し適用され、最終的に複素数型ニューラルネットワークに接続される。
次に、本実施形態に係るニューラルネットワークの構成について詳細に説明する。上述したとおり、本実施形態に係るニューラルネットワークは、相対的な位相に意味を有するデータへの対応を可能とするものである。このため、本実施形態に係るニューラルネットワークは、上述した一般的な複素数型畳み込みニューラルネットワークが備える構成に加え、入力特徴マップ間の要素ごとの位相差を算出する機能を有してよい。
次に、本発明の一実施形態に係る情報処理装置10のハードウェア構成例について説明する。図12は、本発明の一実施形態に係る情報処理装置10のハードウェア構成例を示すブロック図である。図12を参照すると、情報処理装置10は、例えば、CPU871と、ROM872と、RAM873と、ホストバス874と、ブリッジ875と、外部バス876と、インターフェース877と、入力部878と、出力部879と、記憶部880と、ドライブ881と、接続ポート882と、通信部883と、を有する。なお、ここで示すハードウェア構成は一例であり、構成要素の一部が省略されてもよい。また、ここで示される構成要素以外の構成要素をさらに含んでもよい。
CPU871は、例えば、演算処理装置又は制御装置として機能し、ROM872、RAM873、記憶部880、又はリムーバブル記録媒体901に記録された各種プログラムに基づいて各構成要素の動作全般又はその一部を制御する。
ROM872は、CPU871に読み込まれるプログラムや演算に用いるデータ等を格納する手段である。RAM873には、例えば、CPU871に読み込まれるプログラムや、そのプログラムを実行する際に適宜変化する各種パラメータ等が一時的又は永続的に格納される。
CPU871、ROM872、RAM873は、例えば、高速なデータ伝送が可能なホストバス874を介して相互に接続される。一方、ホストバス874は、例えば、ブリッジ875を介して比較的データ伝送速度が低速な外部バス876に接続される。また、外部バス876は、インターフェース877を介して種々の構成要素と接続される。
入力部878には、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチ、マイク、及びレバー等が用いられる。さらに、入力部878としては、赤外線やその他の電波を利用して制御信号を送信することが可能なリモートコントローラ(以下、リモコン)が用いられることもある。
出力部879には、例えば、CRT(Cathode Ray Tube)、LCD、又は有機EL等のディスプレイ装置(表示装置)、スピーカ、ヘッドホン等のオーディオ出力装置、プリンタ、携帯電話、又はファクシミリ等、取得した情報を利用者に対して視覚的又は聴覚的に通知することが可能な装置である。
記憶部880は、各種のデータを格納するための装置である。記憶部880としては、例えば、ハードディスクドライブ(HDD)等の磁気記憶デバイス、半導体記憶デバイス、光記憶デバイス、又は光磁気記憶デバイス等が用いられる。
ドライブ881は、例えば、磁気ディスク、光ディスク、光磁気ディスク、又は半導体メモリ等のリムーバブル記録媒体901に記録された情報を読み出し、又はリムーバブル記録媒体901に情報を書き込む装置である。
リムーバブル記録媒体901は、例えば、DVDメディア、Blu−ray(登録商標)メディア、HD DVDメディア、各種の半導体記憶メディア等である。もちろん、リムーバブル記録媒体901は、例えば、非接触型ICチップを搭載したICカード、又は電子機器等であってもよい。
接続ポート882は、例えば、USB(Universal Serial Bus)ポート、IEEE1394ポート、SCSI(Small Computer System Interface)、RS−232Cポート、又は光オーディオ端子等のような外部接続機器902を接続するためのポートである。
外部接続機器902は、例えば、プリンタ、携帯音楽プレーヤ、デジタルカメラ、デジタルビデオカメラ、又はICレコーダ等である。
通信部883は、ネットワーク903に接続するための通信デバイスであり、例えば、有線又は無線LAN、Bluetooth(登録商標)、又はWUSB(Wireless USB)用の通信カード、光通信用のルータ、ADSL(Asymmetric Digital Subscriber Line)用のルータ、又は各種通信用のモデム等である。また、内線電話網や携帯電話事業者網等の電話網に接続してもよい。
以上説明したように、本発明の一実施形態に係る情報処理装置10は、複素数型ニューラルネットワークを用いた状態推定を行う機能を有する。上記の複素数型ニューラルネットワークは、複素数データに係る複数の集合間における要素ごとの位相差を出力する位相差演算層を備えること、を特徴の一つとする。係る構成によれば、相対的な位相に意味を有するデータに対する推定精度をより向上させることが可能となる。
110 入力部
120 推定部
130 記憶部
140 出力部
CVNN1 第1の複素数型ニューラルネットワーク層
CD1、CD2 位相差演算層
CVNN2 第2の複素数型ニューラルネットワーク層
TL1 変換層
NVNN1 第1の実数型ニューラルネットワーク層
CVCNN1 第1の複素数型畳み込みニューラルネットワーク層
CVCNN2 第2の複素数型畳み込みニューラルネットワーク層
PL1 プーリング層
Claims (9)
- ニューラルネットワークを用いて状態推定を行う推定部、
を備え、
前記ニューラルネットワークは、
複素数データを入力とする第1の複素数型ニューラルネットワーク層と、
前記複素数データに係る複数の集合間における要素ごとの位相差を出力する位相差演算層と、
前記位相差に基づいて複素数データを出力する第2の複素数型ニューラルネットワーク層と、
を備える、
情報処理装置。 - 前記位相差演算層は、前記集合間において対応する要素の共役積に基づいて前記位相差を出力する、
請求項1に記載の情報処理装置。 - 前記位相差演算層は、同一層に属する複素数型ニューロンを少なくとも2以上の集合に分割し、当該集合間における要素ごとの位相差を出力する、
請求項1または2に記載の情報処理装置。 - 前記第1の複素数型ニューラルネットワーク層は、複素数型畳み込みニューラルネットワーク層である、
請求項1または2に記載の情報処理装置。 - 前記複素数型畳み込みニューラルネットワーク層は、互いに構造の異なる一対の畳み込みフィルタを用いて畳み込み処理を実行する、
請求項4に記載の情報処理装置。 - 前記畳み込みフィルタは、実数型の重みを有する、
請求項5に記載の情報処理装置。 - 前記ニューラルネットワークは、前記第2の複素数型ニューラルネットワーク層により出力される複素数型データを実数型データに変換する変換層、
をさらに備える、
請求項1〜6のいずれかに記載の情報処理装置。 - ニューラルネットワークを用いて状態推定を行う情報処理方法であって、
複素数データを入力することと、
複素数データに係る複数の集合間における要素ごとの位相差を出力することと、
前記位相差に基づいて複素数データを出力することと、
を含む、
情報処理方法。 - コンピュータを、
ニューラルネットワークを用いて状態推定を行う推定部、
を備え、
前記ニューラルネットワークは、
複素数データを入力とする第1の複素数型ニューラルネットワークと、
前記複素数データに係る複数の集合間における要素ごとの位相差を出力する位相差演算層と、
前記位相差に基づいて複素数データを出力する第2の複素数型ニューラルネットワーク層と、
を備える、
情報処理装置、
として機能させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017044846A JP6801529B2 (ja) | 2017-03-09 | 2017-03-09 | 情報処理装置、情報処理方法、およびプログラム |
US15/819,336 US11366999B2 (en) | 2017-03-09 | 2017-11-21 | Information processing device and information processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017044846A JP6801529B2 (ja) | 2017-03-09 | 2017-03-09 | 情報処理装置、情報処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018147428A JP2018147428A (ja) | 2018-09-20 |
JP6801529B2 true JP6801529B2 (ja) | 2020-12-16 |
Family
ID=63444880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017044846A Active JP6801529B2 (ja) | 2017-03-09 | 2017-03-09 | 情報処理装置、情報処理方法、およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11366999B2 (ja) |
JP (1) | JP6801529B2 (ja) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109451310B (zh) * | 2018-11-21 | 2020-10-09 | 北京航空航天大学 | 一种基于显著性加权的率失真优化方法及装置 |
CN109309834B (zh) * | 2018-11-21 | 2021-01-05 | 北京航空航天大学 | 基于卷积神经网络和hevc压缩域显著信息的视频压缩方法 |
CN109451316B (zh) * | 2018-11-21 | 2020-11-24 | 北京航空航天大学 | 一种基于cu显著性的qp选择算法 |
DE102019106529A1 (de) * | 2019-03-14 | 2020-09-17 | Infineon Technologies Ag | Fmcw radar mit störsignalunterdrückung mittels künstlichem neuronalen netz |
US11907829B2 (en) | 2019-03-14 | 2024-02-20 | Infineon Technologies Ag | FMCW radar with interference signal suppression using artificial neural network |
CN110554352A (zh) * | 2019-09-11 | 2019-12-10 | 哈尔滨工业大学 | 基于vgg16神经网络的航天测控***干扰源波达方向估计方法 |
CN110991620A (zh) * | 2019-12-11 | 2020-04-10 | 上海交通大学 | 一种具有隐私保护作用的新型神经网络模块 |
CN111901258A (zh) * | 2020-05-08 | 2020-11-06 | 中兴通讯股份有限公司 | 上下行信道互易的实现方法、通信节点和存储介质 |
WO2022004914A1 (ko) * | 2020-07-01 | 2022-01-06 | 엘지전자 주식회사 | 무선 통신 시스템에서 단말 및 기지국의 신호 송수신 방법 및 장치 |
US11863221B1 (en) * | 2020-07-14 | 2024-01-02 | Hrl Laboratories, Llc | Low size, weight and power (swap) efficient hardware implementation of a wide instantaneous bandwidth neuromorphic adaptive core (NeurACore) |
US11960290B2 (en) * | 2020-07-28 | 2024-04-16 | Uatc, Llc | Systems and methods for end-to-end trajectory prediction using radar, LIDAR, and maps |
CN112422462B (zh) * | 2020-11-20 | 2021-08-31 | 苏州大学 | 复值信道均衡器的设计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1387180A1 (en) * | 2000-12-12 | 2004-02-04 | Matsushita Electric Industrial Co., Ltd. | Radio-wave arrival-direction estimating apparatus and directional variable transceiver |
JP6548376B2 (ja) | 2014-10-06 | 2019-07-24 | 日本電産株式会社 | レーダシステム、レーダ信号処理装置、車両走行制御装置および方法、ならびにコンピュータプログラム |
CN104811276B (zh) * | 2015-05-04 | 2018-04-03 | 东南大学 | 一种超奈奎斯特速率通信的dl‑cnn解调器 |
-
2017
- 2017-03-09 JP JP2017044846A patent/JP6801529B2/ja active Active
- 2017-11-21 US US15/819,336 patent/US11366999B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11366999B2 (en) | 2022-06-21 |
JP2018147428A (ja) | 2018-09-20 |
US20180260702A1 (en) | 2018-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6801529B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP6690489B2 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
CN104794733B (zh) | 对象跟踪方法和装置 | |
US9111375B2 (en) | Evaluation of three-dimensional scenes using two-dimensional representations | |
US20200097850A1 (en) | Machine learning apparatus and method based on multi-feature extraction and transfer learning, and leak detection apparatus using the same | |
Karami et al. | Persian sign language (PSL) recognition using wavelet transform and neural networks | |
US9344690B2 (en) | Image demosaicing | |
CN103139568B (zh) | 基于稀疏度和保真度约束的视频稳像方法 | |
Liu et al. | Dynast: Dynamic sparse transformer for exemplar-guided image generation | |
CN110516803A (zh) | 将传统计算机视觉算法实现为神经网络 | |
KR20180130869A (ko) | 손 제스처를 검출하는 컨볼루션 신경망, 그리고 손 제스처에 의한 기기 제어시스템 | |
CN107958446A (zh) | 信息处理设备和信息处理方法 | |
JP7271244B2 (ja) | Cnn処理装置、cnn処理方法、およびプログラム | |
WO2021010342A1 (ja) | 行動認識装置、行動認識方法、及び行動認識プログラム | |
CN109583367A (zh) | 图像文本行检测方法及装置、存储介质和电子设备 | |
CN110634103A (zh) | 基于生成对抗网络的图像去马赛克方法 | |
JP6567381B2 (ja) | 演算装置、方法及びプログラム | |
CN115115724A (zh) | 图像处理方法、装置、计算机设备及存储介质 | |
JP6958652B2 (ja) | 情報処理装置、および情報処理方法 | |
CN105491371A (zh) | 基于梯度幅值相似性的色调映射图像质量评价方法 | |
CN108537165A (zh) | 用于确定信息的方法和装置 | |
KR20230111010A (ko) | 관절 예측을 위한 학습 데이터 생성 방법 및 장치 | |
CN109871835B (zh) | 一种基于互斥正则化技术的人脸识别方法 | |
Zhang et al. | Stereo matching cost computation based on nonsubsampled contourlet transform | |
CN111880146A (zh) | 声源定向方法和装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20190327 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20190328 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191115 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200917 |
|
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: 20201027 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201109 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6801529 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |