(セッション表へ)

平成19年度 電気・情報関連学会中国支部第58回連合大会

部門: セッション 0504  24. ニューラルネット
日時: 2007年10月20日(土) 14:30 - 15:48
部屋: 工学部 1階 106講義室 (→地図)
座長: 玉野 和保 (広島工業大学)

24-1 (時間: 14:30 - 14:43)
題名2つの自己組織化マップ(SOM)による風況予測の比較検討
著者*小林 飛鳥, 鷲見 育亮 (鳥取環境大学大学院), 植田 拓也 (株式会社ギャラクシー), 藤松 誠一郎 (株式会社ベガシステム), 難波 福弥 (鳥取環境大学大学院), 築谷 隆雄 (松江工業高等専門学校), 藪木 登 (津山工業高等専門学校)
Pagep. 149
Keyword自己組織化マップ, 風況予測
Abstract現在、パワーアシスト型風力発電機が開発されている。その中でも我々は設置が比較的容易であり低風速でも発電が可能である小型風力発電機に着目した。そしてパワーアシストを起動させる有無を判断し、バッテリーの消費電力を抑えることが出来ないかと考え、風況予測システムの開発を重点にして研究を行っている。基本SOMと双方向SOMで風況予測を行い、その結果を比較評価した。予測手法として、1時〜12時までの既知データを使って13時を予測し、スライドする形で24時まで続けた。予測結果の評価から、2つのSOM間には予測誤差率にあまり差が無いことがわかった。

24-2 (時間: 14:43 - 14:56)
題名Elman型フィードバックSOM による風況予測の一検討
著者*三木 雄太 (鳥取環境大学環境情報学部), 鷲見 育亮, 小林 飛鳥, 難波 福弥 (鳥取環境大学大学院), 築谷 隆雄 (松江工業高等専門学校), 薮木 登 (津山工業高等専門学校), 藤松 誠一郎 (株式会社ベガシステム), 植田 拓也 (株式会社ギャラクシー)
Pagepp. 150 - 151
Keyword風況予測
Abstract狭域での風況予測を行い、パワーアシスト型風力発電機で効率の良い発電を行うことが、この研究の目的である。時系列情報を扱えるElman型フィードバックSOMを使用して風況を予測し、双方向SOMで予測した場合と比較した。双方向SOMの方が優れているという結果が得られた。そのため過去の履歴情報を参照する程度を表す定数βと、過去の情報を保持する程度を表す定数γを変更していろいろ検討を行っている。求めた差分値をどのように実測値に反映し、予測風速値を求めるかが今後の課題である。

24-3 (時間: 14:56 - 15:09)
題名自己生成ニューラルネットワークを用いたアンサンブル学習に関する研究
著者*佛圓 和之, 井上 浩孝 (呉工業高等専門学校)
Pagepp. 152 - 153
Keywordニューラルネットワーク, アンサンブル学習, パターン認識
Abstract自己生成ニューラルネットワーク(Self-Generating Neural Network : SGNN)は与えられた訓練データセットより自動的に自己生成ニューラル木(Self-Generating Neural Tree: SGNT)を構築することで高速処理を行うことができる.SGNNは,未知のデータに対して1つの解を出力する.しかし,SGNNには汎化誤差が含まれる.そこで我々は,SGNNの汎化誤差を減少させるため,アンサンブル自己生成ニューラルネットワーク(Ensemble Self-Generating Neural Network : ESGNN)を提案した[1].ESGNNは,SGNNと比較して高い識別精度が得られるが,計算コスト(計算時間・記憶容量)はSGNNの数に比例して増加する.本研究では,ある識別問題を与えた時のSGNNとESGNNの識別精度の比較,評価を行った.

24-4 (時間: 15:09 - 15:22)
題名Efficient Incremental Learning using Self-Organizing Neural Grove
著者*Hirotaka Inoue (Kure College of Technology), Hiroyuki Narihisa (Okayama University of Science)
Pagepp. 154 - 155
Keywordincremental larning, neural network ensembles, self-organization, classification
AbstractIn this paper, we investigate a performance of an incremental learning using the SONG (Self-Organizing Neural Grove) for a large scale classification problem in UCI machine learning repository. We use letter recognition dataset as the classification problem. We investigate the relation between the number of nodes and the computation time. The results show that the SONG can ensure the rapid and efficient incremental learning.

24-5 (時間: 15:22 - 15:35)
題名2段階並列ハミング連想記憶モデルのハードウェア化に関する考察
著者*上田 恭平, 池田 信彦 (徳山工業高等専門学校)
Pagep. 156
Keyword2段階並列ハミング連想記憶, ハードウェア化
Abstractハミング連想記憶の動作原理に基づきその操作を並列化した,2段階並列ハミング連想記憶モデルのハードウェア化手法について考察する.

24-6 (時間: 15:35 - 15:48)
題名SOMによる蛋白質情報を用いた癌細胞の分類手法の一考察
著者*松岡 秀実, 池田 信彦 (徳山工業高等専門学校), 北風 裕教 (大島商船高等専門学校), 松野 浩嗣 (山口大学院理工学研究科)
Pagep. 157
KeywordSOM
Abstract癌は形状の違いからその種類や特徴の違いを確認できるものもあれば,同じ臓器から得られた同形状の癌だとしても,癌の進行速度に違いがあるもの,薬に対する効果に違いがあるものなど,形状からは,その種類や特徴の違いを見つけ出す事が出来ないタイプもある.古屋らは,Laser Scanning Cytometer(LSC)により抽出した多種の癌細胞のデータから,蛋白質の量とその凝集度に着目し分析を行い,顕微鏡では分類が困難な癌細胞について分類を試みている.しかし有効となる分類方法を見出すまでには至ってはいない.そこで本研究では分類手法に自己組織化マップ(SOM)を用いて分析を行なった.その結果,分類の可能性を見出すことができたので報告する.