JP5359622B2 - 遺伝的処理装置、遺伝的処理方法、および遺伝的処理プログラム - Google Patents

Description

本発明は、遺伝的処理装置、遺伝的処理方法、および遺伝的処理プログラムに関する。

遺伝的アルゴリズムまたは遺伝的プログラミングといった進化的計算を用いたフィルタまたは変換器の生成方法が知られている（非特許文献１参照）。このような進化的計算を用いたフィルタまたは変換器の生成方法によれば、それぞれの事例に対して最適であって解析的に得ることが困難な複雑な構造のフィルタまたは変換器を、より少ない労力と時間で設計することができる。

前薗正宜 他２名、「遺伝的アルゴリズムによる画像フィルタ設計の研究」、［ｏｎｌｉｎｅ］、コンピュータ利用教育協議会、［２００８年３月２０日検索］、インターネット＜URL：http://www.ciec.or.jp/event/2003/papers/pdf/E00086.pdf＞

ところで、このような進化的計算により変換器を生成する場合、各世代において変換器が出力したデータに重み付けをする重みデータを利用することにより、目的の変換器へと近づける。しかしながら、現世代の重みデータのみを利用して進化させると、世代間で重みデータの変動が大きく、進化的計算が不安定になる場合がある。

そこで本発明は、上記の課題を解決することのできる遺伝的処理装置、遺伝的処理方法、および遺伝的処理プログラムを提供することを目的とする。この目的は特許請求の範囲における独立項に記載の特徴の組み合わせにより達成される。また従属項は本発明の更なる有利な具体例を規定する。

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、入力データを出力データに変換する少なくとも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、前世代以前の重みデータを、現世代の重みデータに更新する重み生成部と、それぞれの現世代の変換器について、学習用入力データを変換した変換済データと学習用目標データとを現世代の重みデータにより重み付けして比較した結果に応じた現世代適合度、および、変換済データと学習用目標データとを前世代以前の重みデータにより重み付けして比較した結果に応じた旧世代適合度を算出する適合度算出部と、を備える遺伝的処理装置、並びに当該遺伝的処理装置に関する遺伝的処理方法、および遺伝的処理プログラムを提供する。

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。

本実施形態に係る遺伝的処理装置１０の構成を示す。 本実施形態に係る処理部品２２を直列に組み合わせた変換器２０の一例を示す。 本実施形態に係る処理部品２２を木構造に組み合わせた変換器２０の一例を示す。 本実施形態に係る処理部品２２を直列に組み合わせた変換器２０に対して行われる遺伝的な操作の一例を示す。 本実施形態に係る処理部品２２を木構造に組み合わせた変換器２０に対して行われる交叉操作の一例を示す。 本実施形態に係る処理部品２２を木構造に組み合わせた変換器２０に対して行われる突然変異操作の一例を示す。 本実施形態に係る変換器２０の適合度を表わすパラメータの一例である近似度の算出方法の一例を示す。 本実施形態に係る遺伝的処理装置１０の動作フローの一例を示す。 図８のステップＳ１４における遺伝的処理装置１０の処理フローの一例を示す。 図８のステップＳ１９における重み生成部４３の処理フローの一例を示す。 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。

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。

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、少なくとも１つの変換器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。ここで、遺伝的処理装置１０は、現世代以前の重みデータに加え、前世代以前の少なくとも１世代で利用した重みデータを用いて変換器２０を進化させる。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、世代毎に生成および更新する。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。

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、変換済データ格納部４０と、学習用目標データ格納部４２と、重み生成部４３と、重み記憶部６０と、適合度算出部４４と、制御部５２と、選択部４６と、更新部４８と、生成部５０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。本実施形態において、各変換器２０は、学習用入力データを処理して処理結果を変換済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構造をとる。

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または撮影された画像であってよい。

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、変換済データのそれぞれを生成する。

変換済データ格納部４０は、変換処理部３８において生成された変換済データを格納する。変換済データ格納部４０は、一例として、生成された変換済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。

学習用目標データ格納部４２は、学習用入力データを変換器２０により変換して生成される変換済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、学習用入力データを入力した変換器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または準備された画像であってよい。

重み生成部４３は、変換済データと学習用目標データとの比較における前世代以前の重みデータを、現世代の重みデータに更新する。重み生成部４３は、一例として、変換済データまたは学習用目標データと、同様にデータが配置された重みデータを生成する。

ここで、重み生成部４３は、変換済データおよび学習用目標データのうちの、少なくとも一組のデータ同士についてのデータ毎の差分がより大きいデータに対する重みを、当該差分がより小さいデータに対する重みより大きくした重みデータを生成してよい。重み生成部４３は、一例として、前世代の重みデータにおける、差分が閾値より大きいデータに対応する重みに所定値を加算し、差分が閾値以下のデータに対応する重みに所定値より小さい値を加算して、現世代の重みデータを生成する。

これに代えて、重み生成部４３は、前世代の重みデータにおける、差分が閾値より大きいデータに対応する重みに所定値を加算し、差分が閾値以下のデータに対応する重みから所定値を減算して、現世代の重みデータを生成してもよい。

重み記憶部６０は、それぞれの世代において重み生成部４３により更新された複数の世代別の重みデータを記憶する。ここで、重み記憶部６０は、一例として、重み生成部４３が前世代以前の重みデータを現世代の重みデータに更新した場合に、現世代の重みデータを新たな重みデータとして追加して記憶する。

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、学習用入力データを変換した変換済データと学習用目標データとを現世代の重みデータにより重み付けして比較した結果に応じた現世代適合度、および、変換済データと学習用目標データとを前世代以前の重みデータにより重み付けして比較した結果に応じた旧世代適合度を算出する。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、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。また、適合度算出部４４は、それぞれの現世代の変換器２０について、変換済データと学習用目標データとを複数の世代別の重みデータのそれぞれにより重み付けして比較した結果に応じた複数の世代別適合度を算出してもよい。

制御部５２は、複数の世代間における現世代適合度の増分値に応じて、適合度算出部４４が現世代の変換器２０について算出すべき複数の世代別適合度の世代数を制御する。以下、この世代数を重みデータ利用世代数と示す。制御部５２は、一例として、各世代の変換器２０の適合度の最大値を各世代の適合度とし、現世代の適合度から前世代の適合度を減算した差分を現世代適合度の増分値としてよい。制御部５２は、一例として、現世代適合度の増分値がより大きい場合に、上記世代数をより小さくする。これに代えて、制御部５２は、各変換器２０の現世代適合度の増分値と予め設定した基準値とに基づいて、現世代の変換器２０について重みデータ利用世代数を制御してもよい。より具体的には、制御部５２は、各変換器２０の現世代適合度の増分値が基準値以上の場合は、基準値未満の場合と比較して、より小さい世代数を用いることとする。

また、制御部５２は、前世代において制御した世代数を記憶しておいてよい。そして、制御部５２は、現世代適合度の増分値に応じて、記憶した世代数から増加または減少させることで、現世代の変換器２０について重みデータ利用世代数を制御してもよい。この場合、制御部５２は、一例として、各変換器２０の現世代適合度の増分値の平均が、基準値以上の場合は重みデータ利用世代数を減少させて、基準値未満の場合は重みデータ利用世代数を増加させる。なお、制御部５２は、現世代適合度の増分値として、現世代直前の複数世代の適合度の平均に対する現世代適合度の増分値を用いてもよく、現世代を含む複数世代分の適合度増分値の平均等を用いてよい。

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のうち現世代適合度がより高い変換器２０と旧世代適合度がより高い変換器２０とのうち少なくとも一方を優先的に、次世代の変換器２０として選択する。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の現世代適合度および旧世代適合度のそれぞれに基づき、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。

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。

生成部５０は、変換器格納部３４に格納された入力データを出力データに変換する複数の処理部品２２を含む少なくとも１つの前世代の変換器２０から、遺伝的処理により現世代の変換器２０を生成する。生成部５０は、更新部４８による更新処理において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して、新たな変換器２０を生成する。

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を生成することができる。

図２は、本実施形態に係る処理部品２２を直列に組み合わせた変換器２０の一例を示す。図３は、本実施形態に係る処理部品２２を木構造に組み合わせた変換器２０の一例を示す。

変換器２０は、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、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、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、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。

変換器２０は、受け取った入力データに対して演算処理を施して、出力データを出力する。変換器２０は、一例として、入力データに対して演算を施すプログラムにより実行される。また、変換器２０は、入力データに対して施すべき演算内容を表わす演算式であってもよい。

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。

それぞれの変換器２０は、入力画像を出力画像にそれぞれ変換する少なくとも１つのフィルタ部品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。生成部５０は、一例として、入力画像を出力画像に変換する少なくとも１つの前世代の画像フィルタから遺伝的処理により現世代の画像フィルタを生成する。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。

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。この場合、変換器格納部３４は、変換器を表すデータ構造として、各処理部品間のデータ授受関係を示す構成データを記憶する。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。

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。

複数の処理部品２２のそれぞれは、前段に配置された処理部品２２から出力された入力データを受け取り、受け取った入力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。複数の処理部品２２のそれぞれは、プログラムモジュールおよび演算式等であってよく、受け取った入力データに対して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／また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）等の単項演算を施してもよい。

また、複数の処理部品２２のそれぞれは、受け取った入力データに対して平均演算、差分演算及び／またはファジー演算（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）等の二項演算を施してもよい。

図４は、本実施形態に係る処理部品２２を直列に組み合わせた変換器２０に対して行われる遺伝的な操作の一例を示す。図５は、本実施形態に係る処理部品２２を木構造に組み合わせた変換器２０に対して行われる交叉操作の一例を示す。図６は、本実施形態に係る処理部品２２を木構造に組み合わせた変換器２０に対して行われる突然変異操作の一例を示す。

生成部５０は、一例として、２個また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個また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、１または複数の処理部品２２を組み合わせた部材である。

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、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。

また、生成部５０は、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。

選択部４６は、生成部５０により生成された１または複数の変換器２０から、現世代適合度がより高い変換器２０および旧世代適合度がより高い変換器２０のうち少なくとも１つを優先的に選択して、適者生存させる。更新部４８は、選択された変換器２０を変換器格納部３４内に保存し、選択されなかった変換器２０を変換器格納部３４内から削除する。

図７は、本実施形態に係る変換器２０の適合度を表わすパラメータの一例である近似度の算出方法の一例を示す。本実施形態において、適合度算出部４４は、当該変換器２０により対象データを変換させることにより生成された変換済データと、学習用目標データとがどれだけ近似しているかを表わす近似度を算出する。すなわち、この近似度は、値がより大きいほど、当該変換済データが学習用目標データにより近似しているので、当該変換済データを生成した変換器２０がより適切であることを示す指標となる。

適合度算出部４４は、一例として、出力画像の各ピクセルの値と、目標画像の対応するピクセルの値とを比較する。より具体的には、適合度算出部４４は、一例として、出力画像の各ピクセルの値と、目標画像の対応するピクセルの値との差または比率等を算出する。そして、適合度算出部４４は、一例として、複数のピクセルの全ての比較結果を平均または合計し、平均または合計した比較結果を当該出力画像の近似度としてよい。適合度算出部４４は、複数の変換器２０により変換された複数の変換済データのそれぞれに対して、以上のようにして近似度を求める。

この処理において、適合度算出部４４は、各ピクセルの値（例えば輝度値）によって当該ピクセル位置の重みを表わす重み画像を用いて近似度を求めてよい。具体的には、適合度算出部４４は、出力画像の各ピクセルの値と目標画像の対応するピクセルの値との差に、重み画像における対応するピクセルの重み値を乗じる等により、重みを付けて近似度を算出してよい。

例えば、重みデータが重み画像により表わされている場合、適合度算出部４４は、下記式（１）に示される演算をして、近似度を算出する。なお、この場合において、一例として、出力画像、目標画像および重み画像のサイズは、同一とされる。

式（１）において、ｆは、近似度を表わす。Ｙｍａｘは、輝度の最大値を表わす。

また、ｘは、画像の水平方向のピクセル位置を示す変数である。ｙは、画像の垂直方向のピクセル位置を示す変数である。ｘｍａｘは、画像の水平方向のピクセル数を示す定数である。ｔｙｍａｘは、画像の垂直方向のピクセル数を示す定数である。

Ｉｗｅｉｈｔ（ｘ，ｙ）は、重み画像における（ｘ，ｙ）位置のピクセルの輝度値を表わす。Ｉｔａｒｇｅｔ（ｘ，ｙ）は、目標画像における（ｘ，ｙ）位置のピクセルの輝度値を表わす。Ｉｆｉｌｔｅｒ（ｘ，ｙ）は、出力画像における（ｘ，ｙ）位置のピクセルの輝度値を表わす。

すなわち、式（１）の中カッコ内の分子部分に示されるように、適合度算出部４４は、目標画像の輝度値から出力画像の輝度値の差の絶対値に対して、重み画像の輝度値を乗じた重み付き差分値を、画面内の全てのピクセル毎に算出し、算出した重み付き差分値を全ピクセルについて合計した合計重み付け差分値を算出する。さらに、式（１）の中カッコ内の分母部分に示されるように、適合度算出部４４は、重み画像の輝度値を全ピクセルについて合計した合計重みを算出する。

さらに、適合度算出部４４は、合計重み付け差分値を合計重みで除算した除算値（式（１）の中カッコ内）に、輝度値の最大値の逆数（１／Ｙｍａｘ）を乗じて正規化値（式（１）の２番目の項）を算出する。そして、適合度算出部４４は、１から、正規化値を減じた値を、近似度ｆとして算出する。このようにして、適合度算出部４４は、出力画像と目標画像との差分を領域毎に重み付けして近似度を算出することができる。

図８は、本実施形態に係る遺伝的処理装置１０の動作フローの一例を示す。遺伝的処理装置１０は、ステップＳ１３〜ステップＳ１６の各処理を、複数回（例えば複数世代）繰返して実行する（Ｓ１２、Ｓ１８）。なお、遺伝的処理装置１０は、与えられた学習用入力データを学習用目標データに変換する変換器２０を生成するための初期の変換器２０として、ランダムに生成した変換器２０または既に生成した変換器２０を、予め変換器格納部３４に格納しておく。

まず、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を取得する。そして、生成部５０は、取得した少なくとも１つの変換器２０に対して、交叉操作および突然変異操作等の遺伝的な操作を行って、少なくとも一部の処理部品２２を他の処理部品２２に置換した少なくとも１つの新たな変換器２０を生成する（Ｓ１７）。

この場合、生成部５０は、それぞれの処理部品２２が予め設定された導入確率で、新たな変換器２０に対して導入されるように遺伝的な操作を行う。例えば、生成部５０は、交叉の操作を行う場合において、新たな変換器２０に組み込むことができる複数の処理部品２２のうちの１または複数の処理部品２２を予め設定された導入確率で選択し、親となる変換器２０における一部の部品群２４と、選択した１または複数の処理部品２２を含む部品群２４とを置換する。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。

そして、変換処理部３８は、それぞれの世代において、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変換済データを生成する（Ｓ１３）。変換処理部３８は、生成した変換済データを当該変換器２０に対応付けて変換済データ格納部４０に格納させる。

重み生成部４３は、世代毎に適切な重みデータを生成するべく、前世代以前の重みデータから現世代用の新たな重みデータを生成する（Ｓ１９）。重みデータの生成処理の詳細については後述する。

続いて、適合度算出部４４は、変換器群に含まれる１または複数の変換器２０のそれぞれについて、旧世代および現世代の適合度をそれぞれ算出する（Ｓ１４）。この場合、適合度算出部４４は、一例として、変換済データと学習用目標データとの近似度または類似度を適合度として算出する。なお、適合度算出部４４は、近似度に加え、処理部品の数の少なさ、処理負荷の低さ、および並列度の大きさ等に応じて評価を高めた適合度を算出してもよい。

続いて、選択部４６は、変換器群に含まれる複数の変換器２０のうち、現世代適合度がより高い変換器２０または旧世代適合度がより高い変換器の少なくとも一方を優先的に選択する（Ｓ１５）。選択部４６は、一例として、それぞれの現世代適合度または旧世代適合度が基準値より高い変換器２０を少なくとも１つ選択する。ここで、選択部４６は、予め設定した適合度の閾値以上であることを基準としてもよい。

また、選択部４６は、変換器群に含まれる複数の変換器２０のうち、現世代適合度または旧世代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、現世代適合度および旧世代適合度の中で、より高い適合度の変換器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、現世代適合度から最も高い変換器２０を選択してよい。

また、選択部４６は、現世代適合度が基準値以上の変換器２０を次世代の変換器２０として選択する確率を、旧世代適合度が基準値以上の変換器２０を次世代の変換器２０として選択する確率より高くしてもよい。選択部４６は、一例として、適合度の基準値を世代別に設定してよく、旧世代適合度の基準値を現世代適合度の基準値より高くしてもよい。また、選択部４６は、世代が古くなる毎に適合度の基準値を高くしてよい。これにより、選択部４６は、現世代適合度がより高い変換器２０を、より高い確率で優先的に選択することができる。

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。

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。

図９は、図８のステップＳ１４における遺伝的処理装置１０の処理フローの一例を示す。遺伝的処理装置１０は、図８に示されるステップＳ１４において、以下の処理を実行する。

まず、適合度算出部４４は、制御部５２から前世代において求めた重みデータ利用世代数を取得する（Ｓ２１）。そして、適合度算出部４４は、現世代の複数の変換器２０のそれぞれにより生成された複数の出力データのそれぞれ毎に、以下のステップＳ２４〜Ｓ２８の処理を実行する（Ｓ２３、Ｓ２９）。

ステップＳ２４において、適合度算出部４４は、変換済データと学習用目標データとを現世代重みデータに応じた重み付けをした比較をして、変換済データと学習用目標データとの現世代適合度を算出する。

続いて、制御部５２は、ステップＳ２４において算出された現世代適合度の増分値とステップＳ２１で取得した世代数とに基づいて、適合度算出部４４が重みデータ利用世代数を制御する（Ｓ２５）。制御部５２は、一例として、各変換器２０の現世代適合度の増分値が予め設定した基準値以上の場合、ステップＳ２１で取得した世代数から減少させる。また、制御部５２は、一例として、各変換器２０の現世代適合度の増分値が予め設定した基準値未満の場合、ステップＳ２１で取得した世代数から増加させる。

そして、制御部５２は、重みデータ利用世代数を更新して記憶する。ここで、制御部５２は、世代数に加えて、世代別適合度を記憶してもよい。

そして、適合度算出部４４は、ステップＳ２５で算出した世代数分の各前世代毎に、以下のステップＳ２７の処理を実行する（Ｓ２６、Ｓ２８）。

ステップＳ２７において、適合度算出部４４は、変換済データと学習用目標データとを重みデータに応じた重み付けをした比較をして、変換済データと学習用目標データとの適合度を算出する。ここで、適合度算出部４４は、一例として、対象となる前世代の重みデータによって重み付けをする。遺伝的処理装置１０は、算出対象となる全ての世代について処理を終えると、処理をステップＳ２９に進める（Ｓ２８）。

更に、遺伝的処理装置１０は、複数の出力データの全てについてステップＳ２６〜Ｓ２８の処理を終えると、遺伝的処理装置１０は、当該フローを終了する（Ｓ２９）。これにより、遺伝的処理装置１０は、各世代において、現世代に加えて１または複数の旧世代の適合度を用いて、進化させるべき変換器２０を選択することができる。

図１０は、図８のステップＳ１９における重み生成部４３の処理フローの一例を示す。重み生成部４３は、図８に示されたステップＳ１９における重みデータの生成処理において、以下のステップＳ１３１〜Ｓ１３３の処理を実行する。まず、重み生成部４３は、重みデータ生成用として、変換器２０が出力した変換済データのうちの、少なくとも一つを抽出する（Ｓ１３１）。

重み生成部４３は、一例として、複数の変換器２０のうち一部の変換器２０により出力された変換済データを抽出してよい。重み生成部４３は、一例として、複数の変換器２０のうち、前世代において算出された近似度が最も高い変換器２０により出力された変換済データを抽出してよい。また、重み生成部４３は、一例として、前世代において算出された近似度が所定値以上の変換器２０により出力された変換済データを抽出してもよい。

続いて、重み生成部４３は、ステップＳ１３１において重みデータ生成用として抽出された少なくとも一つのデータのそれぞれデータ毎の差分を算出する（Ｓ１３２）。重み生成部４３は、変換済データおよび学習用目標データにおける、対応する位置同士のデータの差分を算出する。ここで、画像データの場合、重み生成部４３は、一例として、抽出された少なくとも１つの変換済データと目標データのとのピクセル毎の差分を算出してよい。

また、重み生成部４３は、ステップＳ１３１において複数組のデータを抽出した場合には、例えば、複数組のデータの差分をデータ毎に（例えば領域としてピクセル単位毎に）、合計又は平均する。これに代えて、重み生成部４３は、複数組のデータの差分のうち最も大きい１個の差分を、データ毎に選択してもよい。

続いて、重み生成部４３は、ステップＳ１３２において算出されたデータ毎の差分に基づき、現世代用の重みデータを生成する（Ｓ１３３）。より具体的には、重み生成部４３は、差分がより大きいデータの重みを差分がより小さいデータの重みより大きくするべく、重み記憶部６０に記憶された重みデータを更新する。なお、重み記憶部６０は、最初の世代においては、使用者により予め生成された重みデータを記憶してもよい。また、重み記憶部６０は、データ毎の重みが同一とされた重みデータを記憶してもよい。

また、重み生成部４３は、前世代以前の少なくとも１つ以上の各世代における、近似度が大きい順に選択した少なくとも１つの変換済データのそれぞれと学習用目標データとの間のデータ毎の差分の合計に対して単調非減少となる現世代用の重みデータを生成してよい。このような重み生成部４３は、適切な重みデータを長期的に安定して生成することができる。重み生成部４３は、一例として、下記の式（２）に示される演算式に基づき重みデータを生成する。

式（２）のＷ_Ｎ，Ｍは、第Ｎ世代（Ｎは１以上の整数）の重みデータに含まれるＭ番目（Ｍは１以上の整数）の重みデータの値を表わし、Ｗ_{Ｎ＋１，Ｍ}は、第Ｎ＋１世代の重みデータに含まれるＭ番目の重みデータの値を表わす。式（２）のＦ（Ｘ）は、Ｘを変数とする単調非減少関数を表わす。即ち、Ｆ（Ｘ）は、Ｘが増加する方向に変化した場合、少なくとも減少しない値を表わす。Ｆ（Ｘ）は、単調増加関数であってもよい。なお、Ｆ（Ｘ）及びＸは、データに含まれる各データが取り得る範囲の値となる。式（２）のαは、Ｆ（Ｄ_Ｋ，Ｍ）に応じて、重みを増加させるか又は減少させるかの境界となる基準値を表わす。なお、式（２）のαは、世代毎に変化する値であってよい。

また、式（２）のＤ_Ｋ，Ｍは、下記式（３）により表わされる。即ち、式（２）のＤ_Ｋ，Ｍは、第Ｋ世代（Ｋは整数）における選択された変換済データに含まれるＭ番目の値（Ｐ_Ｋ，Ｍ）と、学習用目標データに含まれるＭ番目の値（Ｔ_Ｍ）と差分の絶対値を表わす。

このような式（２）に示されるように、重み生成部４３は、各世代において、近似度が大きい順に選択した少なくとも１つの変換済データのそれぞれと学習用目標データとの間のデータ毎の差分を算出してよい。続いて、重み生成部４３は、算出した差分の合計をデータ毎に算出して、データ毎の合計のそれぞれを前世代の世代数で除算してよい。そして、重み生成部４３は、データ毎の除算結果のそれぞれを予め定められた単調非減少関数によりレベル変換した値を含む現世代の重みデータを生成してよい。

なお、式（２）の単調非減少関数Ｆ（Ｘ）は、一例として、下記式（４）に示されるような関数であってよい。下記式（４）に示される関数は、差分値が小さい範囲において重みデータの変化量が大きく、差分値が大きい範囲において重みデータの変化量が小さい。このような関数を用いることにより、重み生成部４３は、差分値が小さい領域においてより重みを敏感に変化させることができる。

また、式（２）の単調非減少関数Ｆ（Ｘ）は、一例として、差分値が小さい範囲において重みデータの変化量が小さく、差分値が大きい範囲において重みデータの変化量が大きい関数であってもよい。このような関数を用いることにより、重み生成部４３は、差分値が大きい領域においてより重みを敏感に変化させることができる。

重み生成部４３は、一例として、下記の式（５）に示される演算式に基づき重みデータを生成してよい。なお、式（５）のＷ_Ｋは、第Ｋ世代の差分に与える重みを表わす。式（５）のＷ_Ｋ以外のパラメータは、式（２）と同様である。

式（５）に示されるように、重み生成部４３は、各世代において、近似度が大きい順に選択した少なくとも１つの変換済データのそれぞれと学習用目標データとの間のデータ毎の差分を算出してよい。続いて、重み生成部４３は、算出した差分に世代毎に予め設定された重みを乗じた合計をデータ毎に算出して、データ毎の合計のそれぞれを現世代の世代数で除算してよい。そして、重み生成部４３は、データ毎の除算結果のそれぞれを予め定められた単調非減少関数によりレベル変換した値を含む次世代の重みデータを生成してよい。

このような本実施形態に係る遺伝的処理装置１０によれば、重みデータによりデータ毎に適切な重み付けをして変換済データと学習用目標データとの適合度を算出することができる。これにより、遺伝的処理装置１０によれば、複数の変換済データの中から学習用目標データに近似した変換済データを適切に選択することができる。

以上に示した、遺伝的処理装置１０によれば、複数世代の重みデータを用いて変換器２０を選別していくことにより、重みデータの変動の影響を低減してより適切に変換器２０を進化させていくことができる。

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ＤＶＤ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。

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。

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、ＤＶＤ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。ＤＶＤドライブ２０６０は、ＤＶＤ２０９５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。

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。

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、ＤＶＤ２０９５、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。

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、変換処理モジュールと、重み生成モジュールと、重み記憶モジュールと、適合度算出モジュールと、制御モジュールと、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、変換処理部３８と、重み生成部４３と、重み記憶部６０と、適合度算出部４４と、制御部５２と、選択部４６と、更新部４８と、生成部５０としてそれぞれ機能させる。

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処理部３８と、重み生成部４３と、重み記憶部６０と、適合度算出部４４と、制御部５２と、選択部４６と、更新部４８と、生成部５０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。

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ＤＶＤ２０９５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。

また、ＣＰＵ２０００は、ハードディスク・ドライブ２０４０、ＤＶＤドライブ２０６０（ＤＶＤ２０９５）、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。

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。

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。

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、ＤＶＤ２０９５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。

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。

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。

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 変換済データ格納部、４２ 学習用目標データ格納部、４３ 重み生成部、４４ 適合度算出部、４６ 選択部、４８ 更新部、５０ 生成部、５２ 制御部、６０ 重み記憶部、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 ＤＶＤ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 ＤＶＤ

Claims (8)

1. 入力データを出力データに変換する少なくとも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、
   前世代以前の重みデータを、現世代の重みデータに更新する重み生成部と、
   それぞれの前記現世代の変換器について、学習用入力データを変換した変換済データと学習用目標データとを前記現世代の重みデータにより重み付けして比較した結果に応じた現世代適合度、および、前記変換済データと前記学習用目標データとを前記前世代以前の重みデータにより重み付けして比較した結果に応じた旧世代適合度を算出する適合度算出部と、
   を備える遺伝的処理装置。
2. 前記現世代適合度がより高い変換器と前記旧世代適合度がより高い変換器とのうち少なくとも一方を優先的に、次世代の変換器として選択する選択部を備える
   請求項１に記載の遺伝的処理装置。
3. 前記選択部は、前記現世代適合度が基準値以上の変換器を前記次世代の変換器として選択する確率を、前記旧世代適合度が前記基準値以上の変換器を前記次世代の変換器として選択する確率より高くする
   請求項２に記載の遺伝的処理装置。
4. それぞれの世代において前記重み生成部により更新された複数の世代別の重みデータを記憶する重み記憶部を備え、
   前記適合度算出部は、それぞれの前記現世代の変換器について、前記変換済データと学習用目標データとを前記複数の世代別の重みデータのそれぞれにより重み付けして比較した結果に応じた複数の世代別適合度を算出する
   請求項１から３の何れかに記載の遺伝的処理装置。
5. 複数の世代間における前記現世代適合度の増分値に応じて、前記適合度算出部が前記現世代の変換器について算出すべき前記複数の世代別適合度の世代数を制御する制御部を備える
   請求項４に記載の遺伝的処理装置。
6. 前記生成部は、入力画像を出力画像に変換する画像フィルタを前記変換器として、少なくとも１つの前世代の画像フィルタから遺伝的処理により現世代の画像フィルタを生成する
   請求項１から５の何れかに記載の遺伝的処理装置。
7. 入力データを出力データに変換する少なくとも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ステップと、
   前世代以前の重みデータを、現世代の重みデータに更新する重み生成ステップと、
   それぞれの前記現世代の変換器について、学習用入力データを変換した変換済データと学習用目標データとを前記現世代の重みデータにより重み付けして比較した結果に応じた現世代適合度、および、前記変換済データと前記学習用目標データとを前記前世代以前の重みデータにより重み付けして比較した結果に応じた旧世代適合度を算出する適合度算出ステップと、
   を備える遺伝的処理方法。
8. 遺伝的処理装置として、コンピュータを機能させる遺伝的処理プログラムであって、
   前記コンピュータを、
   入力データを出力データに変換する少なくとも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、
   前世代以前の重みデータを、現世代の重みデータに更新する重み生成部と、
   それぞれの前記現世代の変換器について、学習用入力データを変換した変換済データと学習用目標データとを前記現世代の重みデータにより重み付けして比較した結果に応じた現世代適合度、および、前記変換済データと前記学習用目標データとを前記前世代以前の重みデータにより重み付けして比較した結果に応じた旧世代適合度を算出する適合度算出部と、
   を備える遺伝的処理装置
   として機能させる遺伝的処理プログラム。

Images