ストレス刺激に反応する情動ニューラルネットを用いた自律移動ロボットの行動制御

• Material Type: 文書・図像類
• Title: ストレス刺激に反応する情動ニューラルネットを用いた自律移動ロボットの行動制御
• Author/Editor: 金城, 寛; 山本, 哲彦; 中園, 邦彦; Kinjo, Hiroshi; Yamamoto, Tetsuhiko; Nakazono, Kunihiko
• Author Heading: 金城, 寛; 山本, 哲彦; 中園, 邦彦; Kinjo, Hiroshi; Yamamoto, Tetsuhiko; Nakazono, Kunihiko
• Publication, Distribution, etc.: 金城寛
• Publication Date: 2002-03
• Publication Date (W3CDTF): 2002-03
• Alternative Title: Development of Emotional Neural Networks Respond to Stress Stimulus and Their Application to Robot Control
• Pages: none-
• Text Language Code: jpn
• Subject Heading: スパイキングニューラルネット; 行動制御; 情動情報処理; 移動ロボット; 自律適応システム; ニューラルネット; 遺伝的アルゴリズム; Moving robots; Spiking neural networks; Emotional processing; Genetic algorithms; Autonomous system; Behavior control; Neural networks
• Target Audience: 一般
• Note (General): 科研費番号: 12650411; 平成12年～13年度科学研究費補助金（基盤研究（C)(2)）研究成果報告書; 研究概要 : 本研究の主たるテーマは、情動情報を扱うニューラルネットを構築し、それを移動ロボットの行動制御へ適用しようとするものであった。それは、生物の行動が、喜び、安堵、怒り、恐怖、など情動情報に左右されるからであり、自然な発想に基づいたものであった。しかしながら研究を進めていくと、生物のニューロンの仕組みがこれまで想定していたものと違っていることに気がついた。それは、生物のニューロンは電気的スパイク列で情報処理を行っており、情動ニューラルネットについても、スパイク列を扱うスパイキングニューラルネットでなければ真に生物の情動情報処理を模擬しているとは言えないのではないかということだ。そこで、研究方針を変更し、アナログ信号を扱う従来のニューラルネットで情動ニューラルネットを構築することを止め、スパイク信号を扱うスパイキングニューラルネットで情動ニューラルネットを構築する研究へと方針転換を行なった。方針転換の時期が遅れたこともあり、最終的にスパイキングニューラルネットで情動ニューラルネットを構築することはできなかった。しかしながら、本研究により、スパイキングニューラルネットの挙動解析を行なうことができた。また、スパイキングニューラルネットに対して、これまでにない新たなニューラルネットの学習方法の提案を行なうことができた。それは、遺伝的アルゴリズムを用いてスパイキングニューラルネットを学習する方法であり、シミュレーション実験のみであるがその有効性を確認している。スパイキングニューラルネットは、今後のニューラルネット研究の大きな柱であり、情動ニューラルネットをはじめ、多くの応用の可能性を秘めている。科学研究費補助金の研究期間は終了したが、今後もこの方針で研究を進めたい。; 研究概要（英文） : The main objectives of this research project are to construct emotional neural networks and apply them in robot control. In this project, we develop spiking neural networks (SNNs) using genetic algorithms (GA). In a previous study, we developed emotional neural networks using a model of an analog neuron, by computer simulation. However, neural networks of living organisms are based on electrical spikes. It is said that information processing in the brain occurs through neuron activation by neural spikes. Therefore a model of an emotional neural network should also be based on neuron activation by spikes. In engineering fields, many training methods for artificial neural networks have been reported. However, there are few reports concerning SNNs. In this study, we present a training method for SNNs using GA. The back-propagation (BP) method, which is a very popular and powerful training method, cannot be easily applied to SNN training because spiking of a neuron is a discontinuous neural activity function. The GA method can be used to successfully train the SNN independently of the mode of the activity function. In the simulation study, we confirmed that the GA method is suitable for SNN training and that SNNs can be easily applied as emotional neural networks. The application of emotional neural networks based on the SNN model to robot control is left for future work.; 未公開：P.3以降（別刷論文）; 研究報告書
• Source: https://u-ryukyu.repo.nii.ac.jp/record/2004733/files/12650411.pdf （fulltext）; https://u-ryukyu.repo.nii.ac.jp/record/2004733/files/12650411.pdf
• Access Restrictions: インターネット公開
• Data Provider (Database): 国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）; https://irdb.nii.ac.jp
• Original Data Provider (Database): 琉球大学 : 琉球大学学術リポジトリ