著者

石原 弘二 大村 佑貴 堀内 匡

出版者

公益社団法人 計測自動制御学会

雑誌

計測自動制御学会論文集 (ISSN:04534654)

巻号頁・発行日

vol.49, no.3, pp.408-410, 2013 (Released:2013-03-26)

参考文献数

7

被引用文献数

1

---

In this research, model-based reinforcement learning was applied to the six-legged robot. The objective for this robot was to acquire efficient walk movement by model-based reinforcement learning. By setting several constraint conditions on motors of this robot, we considered the reinforcement learning problem with three-dimensional state and action space. Through experiments, the effectiveness of our method using value iteration was revealed in comparison with Q-learning.

著者

堀内 匡 加藤 聡 山崎 真克

出版者

松江工業高等専門学校

雑誌

基盤研究(C)

巻号頁・発行日

2008

---

本研究では,認識対象の古文書文字の字種数を限定したうえで,認識部を大分類部と細分類部に分けた階層的な識別器を用いた高精度の古文書文字認識を実現した.さらに,古文書文字認識の応用として,高精度の認識手法を用いて,初心者が読解困難な文字に対する読みの候補文字を複数個提示することにより古文書読解を支援するシステムを構築した.

著者

加藤 聡 堀内 匡 伊藤 良生

出版者

Japan Society for Fuzzy Theory and Intelligent Informatics

雑誌

知能と情報 : 日本知能情報ファジィ学会誌 : journal of Japan Society for Fuzzy Theory and Intelligent Informatics (ISSN:13477986)

巻号頁・発行日

vol.21, no.4, pp.452-460, 2009-08-15

被引用文献数

5

---

自己組織化マップ(SOM)を用いたクラスタリングは,k-means法などと比較して,任意形状のクラスタ抽出を比較的容易に行えることが特長の「距離ベース」の手法である.一方,個々のデータ同士の距離に注目するのではなく,データ集合の分布の状態に注目した「分布ベース」のクラスタ抽出法があり,具体的にはベイズ型情報量基準(BIC)をk-means法のアルゴリズムに適用するx-means法などを挙げることができる.この情報量規準を用いたクラスタ抽出のアプローチは,SOMを用いたクラスタリング手法にも比較的容易に適用可能であると考えられる.そこで本論文では,SOMによって初期のクラスタ候補群を生成し,これらを情報量規準に基づく判定手法によって徐々に併合するクラスタリング手法を提案する.提案手法に対して,人工的に作成したデータセットおよびUCI Machine Learning Repositoryのデータセットを用いた評価実験を行い,SOMのみを用いたクラスタリングと比較して,より本来のクラスタ分割に近いクラスタリング結果が安定的に得られること,情報量規準としてはBICよりも赤池情報量規準(AIC)が提案手法には適していること,クラスタ数の自動推定が可能であることなどの知見を得た.

著者

堀内 匡 別府 俊幸 藤岡 美博 原 元司

出版者

日本知能情報ファジィ学会

雑誌

知能と情報 : 日本知能情報ファジィ学会誌 : journal of Japan Society for Fuzzy Theory and Intelligent Informatics (ISSN:13477986)

巻号頁・発行日

vol.20, no.5, pp.817-822, 2008-10-15

被引用文献数

1 3

---

本研究では,実現が期待されているシジミ自動選別装置の開発に向けて,シジミ貝をぶつけた際に発生する音響信号に基づく不良シジミ貝の判別に関して検討を行った.具体的には,音響信号を周波数解析した後,特徴ベクトルを抽出し,各種のパターン認識手法を用いて不良シジミ貝の判別を行い,判別精度を比較評価した.パターン認識手法として,決定木学習,k-最近傍識別法,多層ニューラルネットワーク,サポートベクターマシンを取り上げ,それぞれについて同様の判別実験を行い,判別精度の比較検討を行った.その結果,多層ニューラルネットワークによる手法が他の手法に比べて最も優れており,約95%の判別精度が得られた.次いで,サポートベクターマシン,k-最近傍識別法,決定木学習の順で判別精度が高く,いずれの手法においても一定の有効性を確認することができた.