フィードバック誤差学習に基づく自己融合小脳パーセプトロンモデル利用型ロバスト制御システム

カテゴリ: 部門大会

論文No: TC15-5

グループ名: 【C】平成24年電気学会電子・情報・システム部門大会講演論文集

発行日: 2012/09/05

タイトル(英語): Auto-Fusion Cerebellar Perceptron Model-Based Robust Control System Using Feedback Error Learning

著者名: 内山 祥吾(山口大学),大林 正直(山口大学),呉本 尭(山口大学),小林 邦和(愛知県立大学)

著者名(英語): Shogo Uchiyama(Yamaguchi University),Masanao Obayashi(Yamaguchi University),Takashi Kuremoto(Yamaguchi University),Kunikazu Kobayashi(Aichi Prefectural University)

キーワード: ニューラルネットワーク|フィードバック誤差学習|ロバスト制御ロバスト制御|neural network|feedback error learning|robust control

要約(日本語): 　人間の小脳の機能は、これまで身体の動作を無意識で、かつスムーズに行うことである。これは脳内に「内部モデル」が存在し、身体の動作や環境の変化を基に内部モデルが学習を行っていることが考えられてきた。その中で、生体の運動制御に関する学習機構であるフィードバック誤差学習が提案されている。運動の目標軌道と実現軌道の間の誤差を用いて小脳の内部モデルの修正を行い、運動に見合った出力をする内部モデルを形成する。本論文では、小脳パーセプトロンモデルで知られるルックアップテーブルを用いた局所的なニューラルネットワークであるPCMACを改良した小脳モデルを提案する。ルックアップテーブルを用いず、ニューロンが適応的に自己融合する小脳パーセプトロンモデルを構築したロバスト制御システムを提案し、その学習法としてフィードバック誤差学習を用いる。そして、計算機シミュレーションにより、提案システムの有効性を検証する。

PDFファイルサイズ: 5,195 Kバイト