学习设备、学习方法和程序

    公开(公告)号:CN101625734A

    公开(公告)日:2010-01-13

    申请号:CN200910151082.9

    申请日:2009-07-09

    CPC classification number: G06N3/08 G06N3/0454

    Abstract: 本发明涉及一种学习设备,包括:多个学习模块,所述多个学习模块中的各学习模块使用输入数据来进行更新学习以更新对模式进行学习的模式学习模型的多个模型参数;模型参数共享装置,用于使所述多个学习模块之中的两个或者更多学习模块共享模型参数;模块创建装置,用于在作为输入数据提供用对模式进行学习的新学习数据时创建与所述新学习数据对应的新学习模块;相似度评估装置,用于在对包括所述新学习模块的所有学习模块进行新学习之后,评估学习模块之间的相似度;以及模块合成装置,用于基于学习模块之间的相似度来确定是否合成学习模块,并且合成学习模块。此外,本发明还涉及一种学习方法以及实现该学习方法的程序。

    信息处理装置和方法
    2.
    发明授权

    公开(公告)号:CN100580654C

    公开(公告)日:2010-01-13

    申请号:CN200410056314.X

    申请日:2004-08-06

    Inventor: 伊藤真人 谷淳

    CPC classification number: G06K9/6292 G06K9/00355

    Abstract: 本发明涉及一种信息处理方法和信息处理装置,其中,可提高学习效率并容易扩大规模。通过借助局部表达方案的运动图案学习模型而形成集成模块(42)。集成模块(42)的局部模块(43-1至43-3)每一个都由再生神经网络形成,作为借助分布表达方案的运动图案学习模型。使局部模块(43-1至43-3)学习多个运动图案。向局部模块(43-1至43-3)提供预定参数作为输入,局部模块(43-1至43-3)的输出分别由门(44-1至44-3)乘以系数(W1-W3),并且,得到的乘积被求和并且输出。

    学习设备、学习方法和程序

    公开(公告)号:CN101051215A

    公开(公告)日:2007-10-10

    申请号:CN200710090405.9

    申请日:2007-04-06

    CPC classification number: G06N99/005 G06N3/0445 G06N3/0454 G06N3/084

    Abstract: 本发明提供学习设备、学习方法和程序。一种学习设备包括:存储单元,其被配置为存储由多个各自保存动态状况的节点形成的网络;学习单元,其被配置为基于观察到的时序数据以自组织方式学习网络的动态状况;获胜节点确定器,其被配置为确定获胜节点,该获胜节点是具有与时序数据最匹配的动态状况的节点;以及权重确定器,其被配置为根据个体节点与获胜节点的距离,为由该个体节点保存的动态状况确定学习权重。学习单元按照与学习权重相对应的程度以自组织方式学习网络的动态状况。

    学习设备和学习方法
    4.
    发明授权

    公开(公告)号:CN100504675C

    公开(公告)日:2009-06-24

    申请号:CN200710090405.9

    申请日:2007-04-06

    CPC classification number: G06N99/005 G06N3/0445 G06N3/0454 G06N3/084

    Abstract: 本发明提供学习设备、学习方法和程序。一种学习设备包括:存储单元,其被配置为存储由多个各自保存动态状况的节点形成的网络;学习单元,其被配置为基于观察到的时序数据以自组织方式学习网络的动态状况;获胜节点确定器,其被配置为确定获胜节点,该获胜节点是具有与时序数据最匹配的动态状况的节点;以及权重确定器,其被配置为根据个体节点与获胜节点的距离,为由该个体节点保存的动态状况确定学习权重。学习单元按照与学习权重相对应的程度以自组织方式学习网络的动态状况。

    机器人设备和控制其行为的方法

    公开(公告)号:CN100351054C

    公开(公告)日:2007-11-28

    申请号:CN200510099524.1

    申请日:2005-09-13

    CPC classification number: G06N3/008

    Abstract: 本发明提供一种按照周围条件来执行适当行为的机器人设备和用于控制机器人设备的行为的方法。该机器人设备包括:数据获取单元,用于从外部和/或内部获取数据;主体识别单元,用于通过使用从外部获取的数据来识别执行行为的主体;条件识别单元,用于通过使用从外部获取的数据和/或从内部获取的数据来识别外部条件和/或内部条件;行为模式获取单元,用于通过使用从外部获取的数据来获取主体的行为模式;存储单元,用于与条件数据和主体标识数据相关联地存储行为数据;以及行为执行单元,用于执行行为,其中,当主体识别单元识别出主体时,行为执行单元按照标识数据和外部和/或内部条件数据来执行由在存储单元中存储的行为数据所表示的行为。

    机器人设备和控制其行为的方法

    公开(公告)号:CN1748958A

    公开(公告)日:2006-03-22

    申请号:CN200510099524.1

    申请日:2005-09-13

    CPC classification number: G06N3/008

    Abstract: 本发明提供一种按照周围条件来执行适当行为的机器人设备和用于控制机器人设备的行为的方法。该机器人设备包括:数据获取单元,用于从外部和/或内部获取数据;主体识别单元,用于通过使用从外部获取的数据来识别执行行为的主体;条件识别单元,用于通过使用从外部获取的数据和/或从内部获取的数据来识别外部条件和/或内部条件;行为模式获取单元,用于通过使用从外部获取的数据来获取主体的行为模式;存储单元,用于与条件数据和主体标识数据相关联地存储行为数据;以及行为执行单元,用于执行行为,其中,当主体识别单元识别出主体时,行为执行单元按照标识数据和外部和/或内部条件数据来执行由在存储单元中存储的行为数据所表示的行为。

    信息处理装置和方法、程序存储介质和程序

    公开(公告)号:CN1581143A

    公开(公告)日:2005-02-16

    申请号:CN200410056314.X

    申请日:2004-08-06

    Inventor: 伊藤真人 谷淳

    CPC classification number: G06K9/6292 G06K9/00355

    Abstract: 本发明涉及一种信息处理方法和信息处理装置,其中,可提高学习效率并容易扩大规模。通过借助局部表达方案的运动图案学习模型而形成集成模块(42)。集成模块(42)的局部模块(43-1至43-3)每一个都由再生神经网络形成,作为借助分布表达方案的运动图案学习模型。使局部模块(43-1至43-3)学习多个运动图案。向局部模块(43-1至43-3)提供预定参数作为输入,局部模块(43-1至43-3)的输出分别由门(44-1至44-3)乘以系数(W1-W3),并且,得到的乘积被求和并且输出。

Patent Agency Ranking