JPH05108596A - 追加学習型バツクプロパゲーシヨン方式 - Google Patents

追加学習型バツクプロパゲーシヨン方式

Info

Publication number
JPH05108596A
JPH05108596A JP3269495A JP26949591A JPH05108596A JP H05108596 A JPH05108596 A JP H05108596A JP 3269495 A JP3269495 A JP 3269495A JP 26949591 A JP26949591 A JP 26949591A JP H05108596 A JPH05108596 A JP H05108596A
Authority
JP
Japan
Prior art keywords
new
input
pattern data
intermediate layer
learning
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.)
Pending
Application number
JP3269495A
Other languages
English (en)
Inventor
Yasushi Suginoshita
恭 杉之下
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP3269495A priority Critical patent/JPH05108596A/ja
Publication of JPH05108596A publication Critical patent/JPH05108596A/ja
Pending legal-status Critical Current

Links

Abstract

(57)【要約】 【目的】 ニューラルネットワークを用いてパターンデ
ータの認識を行う時、新しい認識対象について学習の追
加を行うとき、過去に学習した認識対象の認識率を上げ
つつ新しいパターンデータの学習も行う。 【構成】 パターンデータを入力するための入力層２
と、認識を行うための学習済の中間層３と、新しい認識
対象と過去に学習したパターンデータの認識の両方の認
識を行うための新中間層８と、認識結果を出力するため
の出力層４とを備える。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は追加学習型バックプロパ
ゲーション方式に関し、特にニューラルネットワークの
学習方式に関する。
【０００２】
【従来の技術】従来のバックプロパゲーション学習方式
は図２に示すようにパターンデータ１を入力するための
入力層２と、入力に対する結果のパターンデータを出力
するための出力層４と、入力に対する出力値を計算する
と共に入力に対する正しい値を記憶するために出力側か
ら送られる教師信号を受け取り学習をする中間層３とを
有している。
【０００３】また、５は出力値、６は入力信号進行方
向、７は教師信号進行方向、１０は教師信号を示す。
【０００４】
【発明が解決しようとする課題】この従来のバックプロ
パゲーション学習方式は、入力に対する出力の学習を行
った中間層３に、さらに別な出力を行わせようとする場
合、それまでに学習させた中間層３は、新たな出力を行
うための学習を行うと、それまでに収束していた入力パ
ターンデータが収束しなくなる。
【０００５】また、新たな値は、学習を行っても過去の
入力に対する出力値が中間層の値を保つように働くた
め、収束させるのが困難であるというような問題点があ
った。
【０００６】本発明の目的は、新たに学習を行った場合
に比べ過去に学習させた中間層の認識率の低下防止、及
び新たなるパターンデータの認識をも行う追加学習型バ
ックプロパゲーション方式を提供することにある。
【０００７】
【課題を解決するための手段】前記目的を達成するた
め、本発明に係る追加学習型バックプロパゲーション方
式においては、パターンデータを入力し、入力に対する
結果のパターンデータを出力する学習完了の中間層と、
新たに学習させようとするパターンデータが入力された
時に学習を行うための中間層とを有するものである。
【０００８】
【作用】ニューラルネットワークを用いてパターンデー
タの認識を行う時、新しい認識対象について学習の追加
を行うとき、過去に学習した認識対象の認識率を上げつ
つ新しいパターンデータの学習も行う。
【０００９】
【実施例】次に本発明について図面を参照して説明す
る。
【００１０】図１は、本発明のニューラルネットワーク
の中間層モデルを示す図である。
【００１１】図において、入力パターンデータ１を入力
層２に送り、入力層２から過去に学習を行った中間層３
と過去のパターンデータ及び新しいパターンデータに対
する新中間層８に入力信号が送られる。
【００１２】過去に学習を行った中間層３に送られた入
力信号は、出力層４に進み出力値５が出力される。ま
た、結果は入力に対する出力値５の誤差変換部１２によ
って教師信号が出力層４に送られ、さらに中間層３の学
習を行う。
【００１３】過去及び新しいパターンデータに対する新
中間層８に送られた入力パターンデータ１の信号は、新
中間層８を経て新出力層９に進み、新出力値１３が出力
される。ここで、入力に対する教師信号１０は、入力に
対する出力が誤差変換部１２により変換され、教師信号
１０として新出力層９に送られる。この教師信号１０に
より新中間層８は、学習を行う。
【００１４】入力パターンデータ１に新しい出力を行わ
せるためのパターンデータが入力された場合、入力層２
から中間層３に送られ出力層４に進んでも、出力値５は
収束しない。
【００１５】この場合、過去に学習を行った中間層３に
は、教師信号１０が送られない。しかし、新しい出力を
行わせるため入力バターンデータ１が入力された場合、
入力層２より新中間層８を経て新出力層９に送られ、新
出力値１３を出力する。この場合も学習途中の状態で
は、新出力値１３が収束しない。ここで新しい出力を行
わせるための新教師信号１１が新出力層９に送られ新中
間層８の学習を行う。
【００１６】この作業を繰り返すことにより、新しい出
力を行わせるための新中間層８が形成される。過去及び
新しいパターンデータに対する新中間層８の学習を行っ
ている間は、過去のパターンデータに対する出力は中間
層３により認識し、過去及び新しいパターンデータに対
する新中間層８が入力パターンデータに対し収束するよ
うになったら、新中間層８を中間層３に置き換えること
により、過去及び新しいパターンデータの両方を認識す
ることのできるニューラルネットワークが形成される。
【００１７】
【発明の効果】以上説明したように本発明は、学習を完
了した中間層と新たに学習を行わせるための中間層を設
けたので、新たに学習を行った場合に比べ過去の学習を
させた中間層の認識率低下を防止でき、しかも新たなる
パターンデータの認識をも行うことができるという効果
を有する。
【図面の簡単な説明】
【図１】本発明の一実施例のバックプロパゲーションの
信号伝達モデル図である。
【図２】従来のバックプロパゲーションの信号伝達モデ
ル図である。
【符号の説明】
１ 入力パターンデータ ２ 入力層 ３ 中間層 ４ 出力層 ５ 出力値 ６ 入力信号進行方向 ７ 教師信号進行方向 ８ 新中間層 ９ 新出力層 １０ 教師信号 １１ 新教師信号 １２ 誤差変換部 １３ 新出力値

Claims (1)

    【特許請求の範囲】
  1. 【請求項１】 パターンデータを入力し、入力に対する
    結果のパターンデータを出力する学習完了の中間層と、 新たに学習させようとするパターンデータが入力された
    時に学習を行うための中間層とを有することを特徴とす
    る追加学習型バックプロパゲーション方式。
JP3269495A 1991-10-17 1991-10-17 追加学習型バツクプロパゲーシヨン方式 Pending JPH05108596A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP3269495A JPH05108596A (ja) 1991-10-17 1991-10-17 追加学習型バツクプロパゲーシヨン方式

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP3269495A JPH05108596A (ja) 1991-10-17 1991-10-17 追加学習型バツクプロパゲーシヨン方式

Publications (1)

Publication Number Publication Date
JPH05108596A true JPH05108596A (ja) 1993-04-30

Family

ID=17473232

Family Applications (1)

Application Number Title Priority Date Filing Date
JP3269495A Pending JPH05108596A (ja) 1991-10-17 1991-10-17 追加学習型バツクプロパゲーシヨン方式

Country Status (1)

Country Link
JP (1) JPH05108596A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7881524B2 (en) 2005-04-08 2011-02-01 Canon Kabushiki Kaisha Information processing apparatus and information processing method

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7881524B2 (en) 2005-04-08 2011-02-01 Canon Kabushiki Kaisha Information processing apparatus and information processing method

Similar Documents

Publication Publication Date Title
KR102524766B1 (ko) 자연어 및 지식 그래프 기반 표현 학습 방법 및 장치
CN106096729A (zh) 一种面向大规模环境中复杂任务的深度策略学习方法
CN110875035A (zh) 新型多任务联合的语音识别训练架构和方法
KR20210012672A (ko) 인공지능 기반 로봇 매니퓰레이터의 자동 제어 시스템 및 방법
CN112257846A (zh) 神经元模型、拓扑结构、信息处理方法和视网膜神经元
JPH05108596A (ja) 追加学習型バツクプロパゲーシヨン方式
CN110046709A (zh) 一种基于双向lstm的多任务学习模型
CN108381566A (zh) 一种基于反馈检测的儿童早教机器人控制系统
JPH04237388A (ja) ニューロプロセッサ
Yu et al. Two-Way Semantic Communications without Feedback
CN106326208A (zh) 一种通过语音对机器人进行训练的系统及方法
JPH0214000A (ja) 音声認識装置
Tang et al. Large Language Model-Driven Urban Traffic Signal Control
JPH06139410A (ja) ニューラル・ネットワークによるテンプレート・マッチング型文字認識方式
JPH0567224A (ja) ニユーラルネツトワーク
JP2610022B2 (ja) カラー画像処理装置
JPH08249303A (ja) 信号処理装置
JP3393511B2 (ja) 文字認識装置及び方法
JPH0318965A (ja) ニューラルネットにおける学習方法
JPH06102907A (ja) 階層型ファジィ制御方法
JPH03218557A (ja) ニューロコンピュータの前処理方式
CN117891903A (zh) 一种基于大语言模型实现自适应式学习的方法及装置
CN117975475A (zh) 视觉语言模型指令微调方法及装置
JPH06139223A (ja) 神経回路網
JPH08166934A (ja) ニューラルネットワークを用いた関数生成装置

Legal Events

Date Code Title Description
A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20041124

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20041228

R150 Certificate of patent (=grant) or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (prs date is renewal date of database)

Year of fee payment: 3

Free format text: PAYMENT UNTIL: 20080114

FPAY Renewal fee payment (prs date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090114

Year of fee payment: 4

FPAY Renewal fee payment (prs date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100114

Year of fee payment: 5

FPAY Renewal fee payment (prs date is renewal date of database)

Year of fee payment: 5

Free format text: PAYMENT UNTIL: 20100114

FPAY Renewal fee payment (prs date is renewal date of database)

Year of fee payment: 6

Free format text: PAYMENT UNTIL: 20110114

FPAY Renewal fee payment (prs date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120114

Year of fee payment: 7

FPAY Renewal fee payment (prs date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130114

Year of fee payment: 8

FPAY Renewal fee payment (prs date is renewal date of database)

Year of fee payment: 9

Free format text: PAYMENT UNTIL: 20140114

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250