順逆モデリングにおける順モデルに関する考察

概要

論文の詳細を見る
Jordanらが提案した順逆モデリングは、システムの順方向の入出力関係がわかっていれば、逆モデルの学習が行なえるという長所がある。順逆モデリングでは、逆モデルの学習を行なう前にニューラルネットワークを用いてシステムの順モデルの学習を行なう。得られた順モデルからシステムのヤコビ行列を推定して逆モデルの学習を行なう。ネットワークがシステムのヤコビ行列を近似するためには、システムの入出力により作られる多次元空間の曲面をネットワークの入出力がよく近似していなければならない。このため、逆モデルの学習能力は順モデルの性質に依存すると考えられる。バックプロパゲーション学習でネットワークの評価に用いられる評価関数は出力の自乗誤差であり、この中にはシステムのヤコビ行列との類似性は考慮されていない。ニューラルネットワークによるヤコビ行列の近似能力は、ネットワークの汎化能力に対応するものと考えられる。本論文では、中間層ユニット数の異なるニューラルネットワークから学習した複数の順モデル用意し、それぞれのモデルが逆モデルの学習に与える影響について考察する。また、3リンクマニピュレータの逆キネマティクス問題を対象にシミュレーションを行ない、中間層ユニット数と逆モデルの学習能力の間に密接な関係があることを示す。
社団法人電子情報通信学会の論文
1994-09-26

順逆モデリングにおける順モデルに関する考察

スポンサーリンク

概要

著者

関連論文

スポンサーリンク