JP5359531B2 - Genetic processing apparatus, genetic processing method and program - Google Patents
Genetic processing apparatus, genetic processing method and program Download PDFInfo
- Publication number
- JP5359531B2 JP5359531B2 JP2009111164A JP2009111164A JP5359531B2 JP 5359531 B2 JP5359531 B2 JP 5359531B2 JP 2009111164 A JP2009111164 A JP 2009111164A JP 2009111164 A JP2009111164 A JP 2009111164A JP 5359531 B2 JP5359531 B2 JP 5359531B2
- Authority
- JP
- Japan
- Prior art keywords
- generation
- converter
- fitness
- genetic
- previous
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Description
本発明は、遺伝的処理装置、遺伝的処理方法およびプログラムに関する。 The present invention relates to a genetic processing apparatus, a genetic processing method, and a program.
遺伝的アルゴリズムまたは遺伝的プログラミング等の進化的計算を用いた画像フィルタの生成方法が知られている(非特許文献1参照)。この方法においては、画像フィルタに対して、交叉、突然変異および選択等の操作を複数回繰り返すことにより、新たな画像フィルタを生成する。このような方法によれば、それぞれの事例に最適であって、解析的に得ることが困難な複雑な構造の画像フィルタを、より少ない労力で設計することができる。 A method for generating an image filter using evolutionary computation such as a genetic algorithm or genetic programming is known (see Non-Patent Document 1). In this method, a new image filter is generated by repeating operations such as crossover, mutation, and selection for an image filter a plurality of times. According to such a method, an image filter having a complicated structure that is optimal for each case and difficult to obtain analytically can be designed with less effort.
ところで、このような進化的計算により画像フィルタを生成する方法においては、目的の画像フィルタにどれだけ適合しているかを表す適合度を、各世代の画像フィルタのそれぞれについて算出する。この適合度は、進化的計算によって画像フィルタの世代が進むに従い増加していく。しかし、該世代が進むと、増加が鈍くなり、場合によっては、いくら世代が進んでも適合度が増加しなくなり、結果として目的の画像フィルタが得られないこともある。このような場合、再度、最初の世代から画像フィルタの生成を繰り返さなければならなく、演算コストが膨大となってしまう。 By the way, in the method of generating an image filter by such evolutionary calculation, a fitness indicating how much the image filter is adapted to the target image filter is calculated for each image filter of each generation. This fitness level increases as the generation of image filters progresses through evolutionary computation. However, as the generation progresses, the increase slows down. In some cases, the fitness does not increase no matter how many generations advance, and as a result, the target image filter may not be obtained. In such a case, the generation of the image filter must be repeated again from the first generation, and the calculation cost becomes enormous.
上記課題を解決するために、本発明の第1の態様においては、それぞれの世代において、入力データを処理して処理結果を出力データとして出力する複数の処理部品を組み合わせた少なくとも1つの前世代の変換器から、遺伝的処理により現世代の変換器を生成する生成部と、それぞれの前記現世代の変換器について、学習用入力データから学習用目標データへの変換に対する適合度を算出する適合度算出部と、前記前世代および前記現世代の少なくとも2世代間での適合度の増分が基準値より高い場合に、前記前世代の変換器を元に次世代以降の少なくとも1つの世代の変換器を生成する頻度を高める制御部と、を備える遺伝的処理装置、遺伝的処理方法およびプログラムを提供する。 In order to solve the above problems, in the first aspect of the present invention, at each generation, at least one previous generation in which a plurality of processing components that process input data and output a processing result as output data is combined. A generator that generates a current-generation converter from the converter by genetic processing, and a fitness that calculates the fitness for conversion from the learning input data to the learning target data for each of the current-generation converters When the increment of the fitness between the calculation unit and at least two generations of the previous generation and the current generation is higher than a reference value, the conversion of at least one generation after the next generation based on the conversion of the previous generation And a genetic processing device, a genetic processing method, and a program.
なお、上記の発明の概要は、本発明の必要な特徴の全てを列挙したものではない。また、これらの特徴群のサブコンビネーションもまた、発明となりうる。 It should be noted that the above summary of the invention does not enumerate all the necessary features of the present invention. In addition, a sub-combination of these feature groups can also be an invention.
以下、発明の実施の形態を通じて本発明を説明するが、以下の実施形態は特許請求の範囲にかかる発明を限定するものではない。また、実施形態の中で説明されている特徴の組み合わせの全てが発明の解決手段に必須であるとは限らない。 Hereinafter, the present invention will be described through embodiments of the invention, but the following embodiments do not limit the invention according to the claims. In addition, not all the combinations of features described in the embodiments are essential for the solving means of the invention.
図1は、本実施形態に係る遺伝的処理装置10の構成を示す。遺伝的処理装置10は、入力データを処理して処理結果を出力データとして出力する複数の処理部品22の入出力間を組み合わせた変換器20を含む変換器群を進化的計算に基づいて複数世代にわたり進化させる。そして、遺伝的処理装置10は、学習用入力データを学習用目標データへ変換するのに適した変換器20を生成する。
FIG. 1 shows a configuration of a
遺伝的処理装置10は、一例として、コンピュータにより実現される。また、変換器20は、一例として、画像フィルタであってよい。
The
遺伝的処理装置10は、変換器格納部34と、学習用入力データ格納部36と、変換処理部38と、学習用出力データ格納部40と、学習用目標データ格納部42と、適合度算出部44と、選択部46と、更新部48と、生成部50と、一時保存部52と、制御部54とを備える。変換器格納部34は、互いに異なる構成の複数の変換器20を格納する。
The
学習用入力データ格納部36は、変換器20の変換対象である学習用入力データを格納する。学習用入力データは、一例として、当該遺伝的処理装置10により生成された変換器20が適用されるアプリケーションにおいて、変換器20に実際に与えられるデータのサンプルであってよい。変換器20が画像フィルタである場合、学習用入力データは、一例として、使用者により予め生成された画像または撮影された画像であってよい。
The learning input
変換処理部38は、変換器格納部34に格納された複数の変換器20を順次に取得する。変換処理部38は、取得したそれぞれの変換器20により、学習用入力データ格納部36に格納された学習用入力データを変換させて、学習用出力データのそれぞれを生成する。
The
学習用出力データ格納部40は、変換処理部38において生成された学習用出力データを格納する。学習用出力データ格納部40は、一例として、生成された学習用出力データのそれぞれを、変換した変換器20に対応付けて格納する。
The learning output
学習用目標データ格納部42は、学習用入力データを変換して生成される学習用出力データの目標となる学習用目標データを格納する。学習用目標データは、一例として、当該遺伝的処理装置10により生成された変換器20が適用されるアプリケーションにおいて、変換器20が実際に出力するべきデータのサンプルであってよい。変換器20が画像フィルタである場合、学習用目標データは、一例として、使用者により予め生成された画像または撮影された画像であってよい。
The learning target
適合度算出部44は、変換器格納部34に格納されたそれぞれの現世代の変換器20について、学習用入力データから学習用目標データへの変換に対する適合度を算出する。ここで、適合度は、学習用入力データを学習用目標データへと変換するのに適しているかどうかを表す指標値であり、適合度の値が高いほど学習用入力データを学習用目標データへと変換するのに適していることを表す。
The goodness-of-
選択部46は、変換器格納部34に格納された複数の変換器20のうち少なくとも1つの変換器20を選択する。この場合において、選択部46は、適合度がより高い変換器20を優先的に選択する。より具体的には、選択部46は、生物の自然淘汰をモデル化した手法により、残存させる少なくとも1つの変換器20を選択する。選択部46は、一例として、変換器格納部34に格納された複数の変換器20のそれぞれの適合度に基づき、エリート選択およびルーレット選択といった遺伝的計算により少なくとも1つの変換器20を選択する。
The
更新部48は、変換器格納部34に格納された複数の変換器20のうち、選択部46により選択された変換器20を残存させ、選択部46により選択されなかった変換器20を淘汰する。更新部48は、一例として、変換器20を変換器格納部34から削除することにより淘汰する。
The
生成部50は、変換器格納部34に格納された少なくとも1つの変換器20から、遺伝的処理により新たな変換器20を生成する。即ち、生成部50は、それぞれの世代において、少なくとも1つの前世代の変換器20を親として、遺伝的処理により現世代の変換器20を生成する。そして、生成部50は、生成した新たな変換器20を変換器格納部34に書き込む。
The
生成部50は、一例として、更新部48による変換器20の更新処理において残存した少なくとも1つの変換器20を、変換器格納部34から取得する。続いて、生成部50は、一例として、取得した少なくとも1つの変換器20に対して交叉および突然変異等の遺伝的な操作をして、新たな変換器20を生成する。そして、生成部50は、一例として、生成した新たな変換器20を変換器格納部34に書き込む。これにより、変換器格納部34は、更新処理において残存した少なくとも1つの変換器20および生成部50が生成した新たな変換器20を、格納することができる。
For example, the
一時保存部52は、制御部54により保存変換器として指定された変換器20を、変換器格納部34に格納された変換器20とは別に一時的に保存する。
The
制御部54は、現世代および該現世代より前の前世代の少なくとも2世代間での適合度の増分が基準値より高い場合に、前世代の変換器20を元に次世代以降の少なくとも1つの世代の変換器20を生成する頻度を高める制御を実行する。制御部54は、一例として、現世代および該現世代より前の前世代の少なくとも2世代間での適合度の増分が基準値より高い場合に、前世代の変換器20を保存変換器として一時保存部52内に保存させる。そして、制御部54は、次世代以降の少なくとも1つの世代において、一時保存部52内に保存された保存変換器を当該次世代以降の少なくとも1つの世代の変換器20として、変換器格納部34に加える。
When the increase in the fitness between at least two generations of the current generation and the previous generation before the current generation is higher than the reference value, the
このような遺伝的処理装置10は、変換処理部38による変換処理、適合度算出部44による適合度の算出処理、選択部46による変換器20の選択処理、更新部48による更新処理および生成部50による新たな変換器20の生成処理を、複数回(例えば複数世代)繰り返す。これにより、遺伝的処理装置10は、学習用入力データを学習用目標データへ変換するのに適した変換器20を、進化的計算を用いて生成することができる。
Such a
図2は、処理部品22を直列に組み合わせた構成の変換器20の一例を示す。図3は、処理部品22を木構造に組み合わせた構成の変換器20の一例を示す。
FIG. 2 shows an example of the
変換器20は、一例として、図2に示されるような、複数の処理部品22を直列に組み合わせた構成であってよい。また、変換器20は、一例として、図3に示されるような、複数の処理部品22を木構造に組み合わせた構成であってもよい。また、変換器20は、一例として、1つの入力端に対して、複数の出力端を有する構成であってもよい。また、変換器20は、一例として、複数の入力端および複数の出力端を有する構成であってもよい。
As an example, the
なお、処理部品22が木構造に組み合わされた構成の変換器20は、木構造の末端の処理部品22に入力データが与えられ、木構造の最上位の処理部品22から出力データを出力する。また、このような変換器20は、複数の末端の処理部品22のそれぞれに、同一の入力データが与えられる。これに代えて、このような変換器20は、複数の末端の処理部品22のそれぞれに互いに異なる入力データが与えられてもよい。
The
また、例えば、変換器20は、入力画像を出力画像にそれぞれ変換する複数のフィルタ部品である処理部品22を組み合わせた画像フィルタであってよい。この場合、各処理部品22は、前段に配置された処理部品22から出力された画像データを受け取り、受け取った画像データに演算を施して後段に配置された処理部品22に与える。また、この場合、遺伝的処理装置10は、複数の画像フィルタを含む画像フィルタ群を進化的計算に基づいて複数世代にわたり進化させる。
Further, for example, the
また、変換器20は、一例として、ハードウェアである処理部品22を組み合わせた構成であってよい。また、変換器20は、データに対して演算を施すプログラムである処理部品22を組み合わせた構成であってもよい。また、変換器20は、データに対して施すべき演算内容を表わす演算式である処理部品22を組み合わせた構成であってもよい。
Moreover, the
また、変換器20は、例えば、1次元データ列、2次元データ群、3次元データ群、又は、更に多次元のデータ群等を変換してもよい。1次元データ列は、例えば、時系列データ又は配列状のデータ列等である。2次元データ群は、例えば、複数の画素データ等が2次元空間に配列された画像データ等である。3次元データ群は、例えば、色又は濃度等を表わすデータ値が3次元空間の各格子点に配置されたボリュームデータ等である。また、変換器20は、入力されたデータと異なる次元のデータを出力してもよい。
Further, the
複数の処理部品22のそれぞれは、一例として、2値化演算、ヒストグラム演算、平滑化演算、エッジ検出演算、モルフォロジ演算及び/又は周波数空間での演算(例えば、ローパスフィルタリング演算およびハイパスフィルタリング演算)等の単項演算をする。さらに、複数の処理部品22のそれぞれは、一例として、平均演算、差分演算及び/又はファジー演算(例えば論理和演算、論理積演算、代数和、代数積、限界和、限界積、激烈和および激烈積等)等の二項演算をしてもよい。
Each of the plurality of
図4は、処理部品22を直列に組み合わせた構成の変換器20に対して行われる遺伝的な操作の一例を示す。図5は、処理部品22を木構造に組み合わせた構成の変換器20に対して行われる交叉操作の一例を示す。図6は、処理部品22を木構造に組み合わせた構成の変換器20に対して行われる突然変異操作の一例を示す。
FIG. 4 shows an example of genetic operations performed on the
生成部50は、一例として、2個又はそれ以上の変換器20に対して、遺伝的な操作の一例である交叉操作を行って新たな2個又はそれ以上の変換器20を生成する。生成部50は、一例として、図4および図5に示されるように、既に生成された少なくとも1つの一の変換器20Aの一部の部品群24Aを、既に生成された他の変換器20Bの少なくとも一部の部品群24Bと置換して、新たな変換器20Eおよび20Fを生成する。なお、部品群24は、少なくとも1つの処理部品22の組を表す部材である。
For example, the
また、生成部50は、一例として、一の変換器20に対して、遺伝的な操作の一例である突然変異操作を行って新たな一の変換器20を生成する。生成部50は、一例として、図4および図6に示されるように、既に生成された一の変換器20Cの一部の部品群24Cを、例えばランダムに選択された他の部品群24Gに置換して、新たな変換器20Gを生成する。
Further, as an example, the
また、生成部50は、一例として、現世代の変換器20をそのまま次世代の変換器20として残してもよい。生成部50は、一例として、図4に示されるように、変換器20Dの処理部品22の構成をそのまま含む次世代の変換器20Hを生成する。
For example, the
図7は、遺伝的処理装置10の処理フローを示す。遺伝的処理装置10は、ステップS12〜ステップS17の各処理を、複数回(例えば複数世代)繰返して実行する(S11、S18)。
FIG. 7 shows a processing flow of the
それぞれの世代において、まず、変換処理部38は、現世代の変換器群に含まれる複数の変換器20のそれぞれについて、当該変換器20により学習用入力データを変換した学習用出力データを生成する(S12)。変換処理部38は、生成した学習用出力データを当該変換器20に対応付けて学習用出力データ格納部40に格納させる。
In each generation, first, the
続いて、適合度算出部44は、現世代の変換器群に含まれる複数の変換器20のそれぞれについて、適合度を算出する(S13)。適合度算出部44は、一例として、学習用出力データと学習用目標データとの類似度または近似度を適合度として算出する。
Subsequently, the fitness
続いて、制御部54は、変換器20の追加または変換器20の一時保存処理を行う(S14)。なお、ステップS14の処理の詳細は、図8以降において更に説明する。
Subsequently, the
続いて、選択部46は、現世代の変換器群に含まれる複数の変換器20のうち、適合度が高い変換器20を優先的に選択する(S15)。選択部46は、一例として、適合度が基準値より高い変換器20を選択する。
Subsequently, the
また、選択部46は、一例として、現世代の変換器群に含まれる複数の変換器20のうち、適合度が上位から予め定められた範囲の変換器20を選択してもよい。また、選択部46は、一例として、適合度がより高い変換器20がより高い確率で選択されるように設定がされている条件下で、ランダムに変換器20を選択してもよい。なお、選択部46は、一例として、最後の世代においては、適合度の最も高い1個の変換器20を選択する。
Further, as an example, the
続いて、更新部48は、変換器格納部34に格納された変換器群を更新する(S16)。より具体的には、更新部48は、現世代の変換器群に含まれる複数の変換器20のうちステップS15において選択された変換器20を次世代へと残存させ、他の変換器20を淘汰することにより、変換器群を更新する。更新部48は、一例として、ステップS15において選択されなかった変換器20を、変換器格納部34から消去することによって淘汰する。
Subsequently, the
続いて、生成部50は、更新処理によって変換器群に残存した少なくとも1つの変換器20に対して、交叉および突然変異等の遺伝的な操作を行って、1または複数個の新たな変換器20を生成する(S17)。そして、生成部50は、残存した変換器20および新たな変換器20を、次世代の変換器群に含まれる複数の変換器20として変換器格納部34に格納させる。なお、生成部50は、最後の世代においては、当該処理を実行しない。
Subsequently, the
遺伝的処理装置10は、以上の処理を複数の世代(例えば数十世代または数百世代以上)繰返して実行して、最後の世代(例えば第N世代、Nは2以上の自然数)まで処理を実行した後に、当該フローを抜ける(S18)。このようにして、遺伝的処理装置10は、学習用入力データを学習用目標データへ変換するのに適した変換器20を、進化的計算を用いて生成することができる。
The
図8は、各世代における適合度の最高値の遷移の一例を示す。各世代における変換器20の適合度の最高値は、図8に示されるように、階段状に遷移して、世代が進むに従い高くなる。即ち、適合度の最高値が一定である状態が複数世代続いた後に、適合度の最高値が増加して、更に適合度の最高値が一定である状態が複数世代続くという遷移が繰り返される。
FIG. 8 shows an example of the transition of the highest value of fitness in each generation. As shown in FIG. 8, the maximum value of the adaptability of the
ここで、適合度の最高値が増加した場合、増加の直前の世代には、適合度を増加させる要因を有する変換器を含んでいる可能性が高い。従って、遺伝的処理装置10は、適合度の増加の要因となった増加の直前の世代の変換器を、一時的に保存したり、寿命を長くしたりして、淘汰されないように設定することにより、適合度を増加させる可能性を高くすることができる。
Here, when the highest value of the fitness level increases, it is highly likely that the generation immediately before the increase includes a converter having a factor that increases the fitness level. Therefore, the
そこで、制御部54は、前世代および現世代の少なくとも2世代間での適合度の増分が基準値より高い場合に、前世代の変換器20を元に次世代以降の少なくとも1つの世代の変換器20を生成する頻度を高める。これにより、遺伝的処理装置10は、変換器20の適合度を増加させる可能性を高くすることができ、この結果、目的の変換器を生成できる可能性を高くすることができる。
Therefore, the
より具体的には、制御部54は、適合度の最高値が基準値より大きく増加した場合、適合度の最高値が増加する直前の変換器群に含まれる少なくとも1つの変換器20を、保存変換器として一時保存部52内に保存する。即ち、制御部54は、前世代および現世代の少なくとも2世代間での適合度の最高値の増分が基準値より高い場合に、前世代の変換器20を保存変換器として一時保存部52内に保存させる。
More specifically, the
更に、制御部54は、次世代以降の少なくとも1つの世代において、一時保存部52に保存された保存変換器を当該次世代以降の少なくとも1つの世代の変換器20として変換器格納部34内に加える。これにより、制御部54は、前世代および現世代の少なくとも2世代間での適合度の増分が基準値より高い場合に、前世代の変換器20を元に次世代以降の少なくとも1つの世代の変換器20を生成する頻度を高めることができる。
Further, the
図9は、図7のステップS14における処理フローの一例を示す。遺伝的処理装置10は、図7のステップS14において、以下の処理を実行する。
FIG. 9 shows an example of the processing flow in step S14 of FIG. The
まず、制御部54は、変換器格納部34に格納された現世代の変換器20のそれぞれの適合度から該適合度の最高値を検出する(S21)。そして、制御部54は、検出した適合度の最高値を世代番号に対応付けて記憶する。
First, the
続いて、制御部54は、前世代および現世代の少なくとも2世代間での適合度の最高値の増分を算出する(S22)。制御部54は、一例として、現世代の適合度の最高値から前世代の適合度の最高値を減算して、減算結果を前世代および現世代の少なくとも2世代間での適合度の最高値の増分とする。
Subsequently, the
続いて、制御部54は、前世代および現世代の少なくとも2世代間での適合度の最高値の増分が、基準値より高いか否かを判断する(S23)。制御部54は、一例として、現世代の適合度の最高値から前世代の適合度の最高値を減算することにより算出された2世代間での適合度の最高値の増分が、0より大きいか否かを判断してもよい。
Subsequently, the
続いて、前世代および現世代の少なくとも2世代間での適合度の最高値の増分が基準値より高い場合(S23のYes)、制御部54は、前世代の変換器20を保存変換器として一時保存部52内に保存する。なお、ステップS23において、制御部54は、適合度が所定のしきい値以上である前世代の変換器20を保存変換器として保存してもよい。即ち、制御部54は、適合度が低すぎるために適合度の増加の要因となる可能性の低い変換器20については保存しなくてもよい。
Subsequently, when the increment of the maximum value of the fitness between at least two generations of the previous generation and the current generation is higher than the reference value (Yes in S23), the
また、前世代および現世代の少なくとも2世代間での適合度の最高値の増分が基準値以下の場合(S23のNo)、制御部54は、複数の世代間での適合度の最高値の増分を算出する(S25)。制御部54は、一例として、現世代の適合度の最高値から、予め定められた世代数前(例えば、10世代前、20世代前等)の世代の適合度の最高値を減算して、減算結果を複数の世代間での適合度の最高値の増分とする。
In addition, when the increment of the maximum value of conformity between at least two generations of the previous generation and the current generation is equal to or less than the reference value (No in S23), the
続いて、制御部54は、複数の世代間での適合度の最高値の増分が、所定値以下であるか否かを判断する(S26)。制御部54は、一例として、現世代の適合度の最高値から予め定められた世代数前の世代の適合度の最高値を減算することにより算出された複数の世代間での適合度の最高値の増分が、0であるか否かを判断してもよい。
Subsequently, the
続いて、複数の世代間での適合度の最高値の増分が所定値以下の場合(S26のYes)、制御部54は、一時保存部52に保存された保存変換器を、現世代の変換器20として変換器格納部34内に加える(S27)。なお、この場合において、制御部54は、当該ステップS27において追加した保存変換器が、少なくとも現世代において淘汰させないように設定する。
Subsequently, when the increment of the maximum value of the fitness between the plurality of generations is equal to or less than a predetermined value (Yes in S26), the
そして、ステップS24の処理が終了した場合、ステップS27の処理が終了した場合、または、ステップS26において複数の世代間での適合度の最高値の増分が所定値より大きいと判断した場合(S26のNo)、制御部54は、当該処理フローを抜けて、図7のステップS15に処理を進める。このようにして、制御部54は、変換器20の追加または変換器20の一時保存処理を行うことができる。
And when the process of step S24 is complete | finished, when the process of step S27 is complete | finished, or when it is judged in step S26 that the increment of the highest value of the adaptability between several generations is larger than predetermined value (S26) No), the
以上のように、遺伝的処理装置10によれば、例えば変換器20の進化の進みが鈍くなった場合、突然変異率および交叉率を増加させて、進化を進み易くすることができる。これにより、遺伝的処理装置10によれば、少ない演算コスト(演算時間を含む)で、目的とする変換器20を得ることができる可能性を高くすることができる。
As described above, according to the
図10は、変換器20に設定される残存世代数の一例を示す。制御部54は、図8および図9において説明した処理に代えてまたは加えて、2世代間での適合度の最高値の増分が基準値より高い場合に、前世代の変換器20を、次世代から所定数世代後までの間、残存させてもよい。
FIG. 10 shows an example of the number of remaining generations set in the
例えば、制御部54は、少なくとも2世代間での適合度の最高値の増分が基準値より高い場合に、前世代の変換器20に対して世代が進む毎に減少するパラメータを設定する。より具体的には、制御部54は、図10に示されるようなテーブルを用いて、それぞれの変換器にパラメータを設定する。
For example, the
更に、制御部54は、変換器20のそれぞれに対して設定したパラメータを、世代が進む毎に1ずつ減少させる。そして、制御部54は、残存世代数が設定された前世代の変換器20のそれぞれを、適合度に関わらず、パラメータが0となるまでの間、変換器群に残存させる。
Further, the
これにより、制御部54は、前世代および現世代の少なくとも2世代間での適合度の最高値の増分が基準値より高い場合に、前世代の変換器20を元に次世代以降の少なくとも1つの世代の変換器20を生成する頻度を高めることができる。従って、遺伝的処理装置10は、変換器20の適合度を増加させる可能性を高くすることができ、この結果、目的の変換器を生成できる可能性を高くすることができる。
Thereby, the
図11は、本実施形態に係るコンピュータ1900のハードウェア構成の一例を示す。本実施形態に係るコンピュータ1900は、ホスト・コントローラ2082により相互に接続されるCPU2000、RAM2020、グラフィック・コントローラ2075、及び表示装置2080を有するCPU周辺部と、入出力コントローラ2084によりホスト・コントローラ2082に接続される通信インターフェイス2030、ハードディスクドライブ2040、及びCD−ROMドライブ2060を有する入出力部と、入出力コントローラ2084に接続されるROM2010、フレキシブルディスク・ドライブ2050、及び入出力チップ2070を有するレガシー入出力部とを備える。
FIG. 11 shows an example of a hardware configuration of a
ホスト・コントローラ2082は、RAM2020と、高い転送レートでRAM2020をアクセスするCPU2000及びグラフィック・コントローラ2075とを接続する。CPU2000は、ROM2010及びRAM2020に格納されたプログラムに基づいて動作し、各部の制御を行う。グラフィック・コントローラ2075は、CPU2000等がRAM2020内に設けたフレーム・バッファ上に生成する画像データを取得し、表示装置2080上に表示させる。これに代えて、グラフィック・コントローラ2075は、CPU2000等が生成する画像データを格納するフレーム・バッファを、内部に含んでもよい。
The
入出力コントローラ2084は、ホスト・コントローラ2082と、比較的高速な入出力装置である通信インターフェイス2030、ハードディスクドライブ2040、CD−ROMドライブ2060を接続する。通信インターフェイス2030は、ネットワークを介して他の装置と通信する。ハードディスクドライブ2040は、コンピュータ1900内のCPU2000が使用するプログラム及びデータを格納する。CD−ROMドライブ2060は、CD−ROM2095からプログラム又はデータを読み取り、RAM2020を介してハードディスクドライブ2040に提供する。
The input /
また、入出力コントローラ2084には、ROM2010と、フレキシブルディスク・ドライブ2050、及び入出力チップ2070の比較的低速な入出力装置とが接続される。ROM2010は、コンピュータ1900が起動時に実行するブート・プログラム、及び/又は、コンピュータ1900のハードウェアに依存するプログラム等を格納する。フレキシブルディスク・ドライブ2050は、フレキシブルディスク2090からプログラム又はデータを読み取り、RAM2020を介してハードディスクドライブ2040に提供する。入出力チップ2070は、フレキシブルディスク・ドライブ2050を入出力コントローラ2084へと接続すると共に、例えばパラレル・ポート、シリアル・ポート、キーボード・ポート、マウス・ポート等を介して各種の入出力装置を入出力コントローラ2084へと接続する。
The input /
RAM2020を介してハードディスクドライブ2040に提供されるプログラムは、フレキシブルディスク2090、CD−ROM2095、又はICカード等の記録媒体に格納されて利用者によって提供される。プログラムは、記録媒体から読み出され、RAM2020を介してコンピュータ1900内のハードディスクドライブ2040にインストールされ、CPU2000において実行される。
A program provided to the
コンピュータ1900にインストールされ、コンピュータ1900を遺伝的処理装置10として機能させるプログラムは、変換器格納モジュールと、学習用入力データ格納モジュールと、変換処理モジュールと、学習用出力データ格納モジュールと、学習用目標データ格納モジュールと、適合度算出モジュールと、選択モジュールと、更新モジュールと、生成モジュールと、一時保存モジュールと、制御モジュールとを備える。これらのプログラム又はモジュールは、CPU2000等に働きかけて、コンピュータ1900を、変換器格納部34、学習用入力データ格納部36、変換処理部38、学習用出力データ格納部40、学習用目標データ格納部42、適合度算出部44、選択部46、更新部48、生成部50、一時保存部52および制御部54としてそれぞれ機能させる。
A program that is installed in the
これらのプログラムに記述された情報処理は、コンピュータ1900に読込まれることにより、ソフトウェアと上述した各種のハードウェア資源とが協働した具体的手段である変換器格納部34、学習用入力データ格納部36、変換処理部38、学習用出力データ格納部40、学習用目標データ格納部42、適合度算出部44、選択部46、更新部48、生成部50、一時保存部52および制御部54として機能する。そして、これらの具体的手段によって、本実施形態におけるコンピュータ1900の使用目的に応じた情報の演算又は加工を実現することにより、使用目的に応じた特有の遺伝的処理装置10が構築される。
The information processing described in these programs is read into the
一例として、コンピュータ1900と外部の装置等との間で通信を行う場合には、CPU2000は、RAM2020上にロードされた通信プログラムを実行し、通信プログラムに記述された処理内容に基づいて、通信インターフェイス2030に対して通信処理を指示する。通信インターフェイス2030は、CPU2000の制御を受けて、RAM2020、ハードディスクドライブ2040、フレキシブルディスク2090、又はCD−ROM2095等の記憶装置上に設けた送信バッファ領域等に記憶された送信データを読み出してネットワークへと送信し、もしくは、ネットワークから受信した受信データを記憶装置上に設けた受信バッファ領域等へと書き込む。このように、通信インターフェイス2030は、DMA(ダイレクト・メモリ・アクセス)方式により記憶装置との間で送受信データを転送してもよく、これに代えて、CPU2000が転送元の記憶装置又は通信インターフェイス2030からデータを読み出し、転送先の通信インターフェイス2030又は記憶装置へとデータを書き込むことにより送受信データを転送してもよい。
As an example, when communication is performed between the
また、CPU2000は、ハードディスクドライブ2040、CD−ROMドライブ2060(CD−ROM2095)、フレキシブルディスク・ドライブ2050(フレキシブルディスク2090)等の外部記憶装置に格納されたファイルまたはデータベース等の中から、全部または必要な部分をDMA転送等によりRAM2020へと読み込ませ、RAM2020上のデータに対して各種の処理を行う。そして、CPU2000は、処理を終えたデータを、DMA転送等により外部記憶装置へと書き戻す。このような処理において、RAM2020は、外部記憶装置の内容を一時的に保持するものとみなせるから、本実施形態においてはRAM2020および外部記憶装置等をメモリ、記憶部、または記憶装置等と総称する。本実施形態における各種のプログラム、データ、テーブル、データベース等の各種の情報は、このような記憶装置上に格納されて、情報処理の対象となる。なお、CPU2000は、RAM2020の一部をキャッシュメモリに保持し、キャッシュメモリ上で読み書きを行うこともできる。このような形態においても、キャッシュメモリはRAM2020の機能の一部を担うから、本実施形態においては、区別して示す場合を除き、キャッシュメモリもRAM2020、メモリ、及び/又は記憶装置に含まれるものとする。
The
また、CPU2000は、RAM2020から読み出したデータに対して、プログラムの命令列により指定された、本実施形態中に記載した各種の演算、情報の加工、条件判断、情報の検索・置換等を含む各種の処理を行い、RAM2020へと書き戻す。例えば、CPU2000は、条件判断を行う場合においては、本実施形態において示した各種の変数が、他の変数または定数と比較して、大きい、小さい、以上、以下、等しい等の条件を満たすかどうかを判断し、条件が成立した場合(又は不成立であった場合)に、異なる命令列へと分岐し、またはサブルーチンを呼び出す。
In addition, the
また、CPU2000は、記憶装置内のファイルまたはデータベース等に格納された情報を検索することができる。例えば、第1属性の属性値に対し第2属性の属性値がそれぞれ対応付けられた複数のエントリが記憶装置に格納されている場合において、CPU2000は、記憶装置に格納されている複数のエントリの中から第1属性の属性値が指定された条件と一致するエントリを検索し、そのエントリに格納されている第2属性の属性値を読み出すことにより、所定の条件を満たす第1属性に対応付けられた第2属性の属性値を得ることができる。
Further, the
以上に示したプログラム又はモジュールは、外部の記録媒体に格納されてもよい。記録媒体としては、フレキシブルディスク2090、CD−ROM2095の他に、DVD又はCD等の光学記録媒体、MO等の光磁気記録媒体、テープ媒体、ICカード等の半導体メモリ等を用いることができる。また、専用通信ネットワーク又はインターネットに接続されたサーバシステムに設けたハードディスク又はRAM等の記憶装置を記録媒体として使用し、ネットワークを介してプログラムをコンピュータ1900に提供してもよい。
The program or module shown above may be stored in an external recording medium. As the recording medium, in addition to the
以上、本発明を実施の形態を用いて説明したが、本発明の技術的範囲は上記実施の形態に記載の範囲には限定されない。上記実施の形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。その様な変更または改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。 As mentioned above, although this invention was demonstrated using embodiment, the technical scope of this invention is not limited to the range as described in the said embodiment. It will be apparent to those skilled in the art that various modifications or improvements can be added to the above-described embodiment. It is apparent from the scope of the claims that the embodiments added with such changes or improvements can be included in the technical scope of the present invention.
特許請求の範囲、明細書、および図面中において示した装置、システム、プログラム、および方法における動作、手順、ステップ、および段階等の各処理の実行順序は、特段「より前に」、「先立って」等と明示しておらず、また、前の処理の出力を後の処理で用いるのでない限り、任意の順序で実現しうることに留意すべきである。特許請求の範囲、明細書、および図面中の動作フローに関して、便宜上「まず、」、「次に、」等を用いて説明したとしても、この順で実施することが必須であることを意味するものではない。 The order of execution of each process such as operations, procedures, steps, and stages in the apparatus, system, program, and method shown in the claims, the description, and the drawings is particularly “before” or “prior to”. It should be noted that the output can be realized in any order unless the output of the previous process is used in the subsequent process. Regarding the operation flow in the claims, the description, and the drawings, even if it is described using “first”, “next”, etc. for convenience, it means that it is essential to carry out in this order. It is not a thing.
10 遺伝的処理装置、20 変換器、22 処理部品、24 部品群、34 変換器格納部、36 学習用入力データ格納部、38 変換処理部、40 学習用出力データ格納部、42 学習用目標データ格納部、44 適合度算出部、46 選択部、48 更新部、50 生成部、52 一時保存部、54 制御部、1900 コンピュータ、2000 CPU、2010 ROM、2020 RAM、2030 通信インターフェイス、2040 ハードディスクドライブ、2050 フレキシブルディスク・ドライブ、2060 CD−ROMドライブ、2070 入出力チップ、2075 グラフィック・コントローラ、2080 表示装置、2082 ホスト・コントローラ、2084 入出力コントローラ、2090 フレキシブルディスク、2095 CD−ROM
DESCRIPTION OF
Claims (9)
それぞれの前記現世代の変換器について、学習用入力データから学習用目標データへの変換に対する適合度を算出する適合度算出部と、
前記前世代および前記現世代の少なくとも2世代間での適合度の増分が基準値より高い場合に、前記前世代の変換器を元に次世代以降の少なくとも1つの世代の変換器を生成する頻度を高める制御部と、
を備える遺伝的処理装置。 A generation unit that generates a current generation converter by genetic processing from at least one previous generation converter that combines a plurality of processing components that process input data and output processing results as output data in each generation. When,
For each of the current generation converters, a fitness calculation unit that calculates the fitness for conversion from learning input data to learning target data; and
The frequency of generating at least one generation of converters after the next generation based on the previous generation of converters when the increment of the fitness between the previous generation and the current generation is higher than a reference value A control unit that enhances
A genetic processing apparatus comprising:
請求項1に記載の遺伝的処理装置。 The control unit stores the previous generation converter as a storage converter when the increment of the fitness between the two generations is higher than the reference value, and in at least one generation after the next generation, the The genetic processing apparatus according to claim 1, wherein the storage converter is at least one generation of converters after the next generation.
請求項2に記載の遺伝的処理装置。 The genetic processing device according to claim 2, wherein when the increment of fitness between a plurality of generations is equal to or less than a predetermined value, the control unit sets the storage converter as the current generation converter.
請求項1に記載の遺伝的処理装置。 The control unit causes the previous generation converter to remain for a predetermined number of generations after the next generation when an increase in fitness between the two generations is higher than the reference value. Genetic processing equipment.
請求項4に記載の遺伝的処理装置。 The controller sets a parameter that decreases each time a generation progresses for the previous generation converter when the increment of the fitness between the two generations is higher than the reference value, and converts the previous generation conversion. The genetic processing device according to claim 4, wherein the vessel is left until the parameter becomes zero.
請求項1から5の何れかに記載の遺伝的処理装置。 The control unit, when the maximum increase in the conformity of the converter between the previous generation and the current generation is higher than the reference value, based on the previous generation converter, The genetic processing device according to claim 1, wherein the frequency of generating at least one generation of the converter is increased.
請求項1から6の何れかに記載の遺伝的処理装置。 The generating unit uses a plurality of filter components that respectively convert an input image to an output image as the plurality of processing components, and combines at least one previous generation image filter that combines the plurality of filter components with the at least one previous generation. The genetic processing device according to any one of claims 1 to 6, wherein a current-generation image filter is generated by genetic processing as the converter.
それぞれの前記現世代の変換器について、学習用入力データから学習用目標データへの変換に対する適合度を算出する適合度算出ステップと、
前記前世代および前記現世代の少なくとも2世代間での適合度の増分が基準値より高い場合に、前記前世代の変換器を元に次世代以降の少なくとも1つの世代の変換器を生成する頻度を高める制御ステップと、
を備える遺伝的処理方法。 Generation step for generating a current generation converter by genetic processing from at least one previous generation converter combining a plurality of processing components that process input data and output processing results as output data in each generation When,
For each of the current generation converters, a fitness calculation step for calculating a fitness for conversion from learning input data to learning target data; and
The frequency of generating at least one generation of converters after the next generation based on the previous generation of converters when the increment of the fitness between the previous generation and the current generation is higher than a reference value Control steps to enhance,
A genetic processing method comprising:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009111164A JP5359531B2 (en) | 2009-04-30 | 2009-04-30 | Genetic processing apparatus, genetic processing method and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009111164A JP5359531B2 (en) | 2009-04-30 | 2009-04-30 | Genetic processing apparatus, genetic processing method and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010262381A JP2010262381A (en) | 2010-11-18 |
JP5359531B2 true JP5359531B2 (en) | 2013-12-04 |
Family
ID=43360407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009111164A Expired - Fee Related JP5359531B2 (en) | 2009-04-30 | 2009-04-30 | Genetic processing apparatus, genetic processing method and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5359531B2 (en) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3697446B2 (en) * | 1993-12-16 | 2005-09-21 | 富士通株式会社 | Problem solving operation apparatus and method introducing the concept of state transition |
JP3847317B2 (en) * | 2005-02-21 | 2006-11-22 | 富士通株式会社 | Optimal solution search device |
JP2007041697A (en) * | 2005-08-01 | 2007-02-15 | Sharp Corp | Method and system for deriving image processing algorithm |
JP4392621B2 (en) * | 2007-10-22 | 2010-01-06 | ソニー株式会社 | Information processing apparatus, information processing method, and program |
-
2009
- 2009-04-30 JP JP2009111164A patent/JP5359531B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2010262381A (en) | 2010-11-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8761496B2 (en) | Image processing apparatus for calculating a degree of similarity between images, method of image processing, processing apparatus for calculating a degree of approximation between data sets, method of processing, computer program product, and computer readable medium | |
US9292789B2 (en) | Continuous-weight neural networks | |
EP3855362A1 (en) | Convolution processing method, apparatus, and storage medium of convolutional neural network | |
JP5304401B2 (en) | Genetic processing apparatus, genetic processing method and program | |
WO2019026702A1 (en) | Data amount compression method, device, program and ic chip | |
JP5181825B2 (en) | Image processing apparatus, image processing method, and program | |
JP2011014051A (en) | Generating device, generating method, and generation program | |
JP5417950B2 (en) | Genetic processing apparatus, genetic processing method and program | |
JP5359531B2 (en) | Genetic processing apparatus, genetic processing method and program | |
JP5417967B2 (en) | Genetic processing apparatus, genetic processing method and program | |
CN111783843A (en) | Feature selection method and device and computer system | |
JP5418052B2 (en) | Genetic processing apparatus, genetic processing method and program | |
JP5396977B2 (en) | Data processing apparatus, data processing method and program | |
JP5417972B2 (en) | Genetic processing apparatus, genetic processing method, and genetic processing program | |
JP5359622B2 (en) | Genetic processing apparatus, genetic processing method, and genetic processing program | |
JP2010257067A (en) | Apparatus and method for processing hereditary, and program | |
JP5359479B2 (en) | Genetic processing apparatus, genetic processing method and program | |
JP5326881B2 (en) | Image processing apparatus, image processing method, and image processing program | |
JP5365328B2 (en) | Genetic processing apparatus, genetic processing method, and genetic processing program | |
JP5181826B2 (en) | Image processing apparatus, image processing method, and program | |
CN114297022A (en) | Cloud environment anomaly detection method and device, electronic equipment and storage medium | |
JP5181821B2 (en) | Image processing apparatus, image processing method, and program | |
JP5453937B2 (en) | Genetic processing apparatus, genetic processing method, and genetic processing program | |
JP5326776B2 (en) | Image processing apparatus, image processing method, and image processing program | |
JP5471105B2 (en) | Image processing apparatus, image processing method, and image processing program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120420 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130806 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130819 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5359531 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |