ユニットの冗長化による耐故障性を考慮した進化型ニューラルネットワーク

• Item type: SIG Technical Reports(1)
• 公開日: 2016-06-27
• タイトル: ユニットの冗長化による耐故障性を考慮した進化型ニューラルネットワーク
• タイトル / 言語: en
• タイトル: Evolutionary Neural Network with Improving Fault Tolerance by Redundancy
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属: 横浜国立大学大学院環境情報学府
• 著者所属(英): en
• 著者所属(英): Graduate School of Environment and Information Sciences, Yokohama National University
• 著者所属(英): en
• 著者所属(英): Graduate School of Environment and Information Sciences, Yokohama National University
• 著者所属(英): en
• 著者所属(英): Graduate School of Environment and Information Sciences, Yokohama National University
• 著者名: 工藤, 理人; 菅沼, 雅徳; 長尾, 智晴
• 著者名(英): Masato, Kudo; Masanori, Suganuma; Tomoharu, Nagao
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論文では，ニューラルネットワーク （NN） に耐故障性を獲得させる耐故障 NN の構築手法を提案する．従来研究では，耐故障性の獲得のためにユニットの冗長化などが行われてきたが，ユニットの重要度を考慮した冗長化はこれまでに行われていない．NN はユニット毎に出力の影響度が異なるため，適切な制御が必要になる．本手法では，NN が故障した際の出力への影響が最も大きい中間ユニットを複製することで，出力に重要なユニットを適切に冗長化する．NN にはネットワークの構造を進化計算法によって自動獲得する進化型 NN を用いる．これによって，任意の構造での冗長化が可能になる．提案手法を振り上げ倒立振子問題に適用した結果，従来研究と比較してより故障に強い NN を構築することができた．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we propose a new approach to improve fault tolerance of neural networks. There have been many stuides to obtain fault tolerance to add redundant units. However, no studies consider importance of untis. The degree of influence on the output between units is difference, therefore proper control is required. We propose a new technique that by duplicate the hidden unit that is the largest influence on the network, thereby we properly redundant an important unit to output. We use an evolutionary neural network which automatically acquires structure of the network by evolutionary computation. This allows redundancy in any structures. We apply the proposed method to the swing-up inverted pendulum problem. The results show that the proposed method has more fault tolerance than compared methods.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12055912
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2016-BIO-46, 号 2, p. 1-7, 発行日 2016-06-27
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8590
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会