※一部利用できない機能があります
| 1.
論文 |
論文
|
Nakayama, Kenji
概要:
金沢大学理工研究域 電子情報学系
|
||||
| 2.
論文 |
論文
|
Horita, Akihide ; Nakayama, Kenji ; Hirano, Akihiro
概要:
金沢大学理工研究域 電子情報学系<br />出版者許諾要件を調査中.
|
||||
| 3.
論文 |
論文
|
Katou, Haruo ; Nakayama, Kenji ; Hirano, Akihiro
概要:
金沢大学理工研究域 電子情報学系<br />本稿では,信号源の数がセンサ数より多いオーバーコンプリート・ブラインド信号源分離においてフィードバック形構成法と分離回路の学習アルゴリズムを提案する.まず,1巡目で信号源の分離を行う.ここでは,一
…
つの信号源が複数の出力に含まれないことを分離の条件とする.このための学習法を提案している.センサ数を信号源数の約半分以上とすることにより,1巡目の信号源分離で少なくとも1個の出力に単一信号源を分離できる.この出力を単一信号源の特徴を利用して検出する.更に,この出力をフィードバックして観測信号からキャンセルすることにより,等価的に信号源の数を低減する.当該出力と混合過程の情報を使ってキャンセルする他,観測信号と当該出力のヒストグラムを使ってキャンセルする方法を組み合わせることにより,条件不足の問題を解消する.2巡目では,観測信号に含まれる信号源が1個少ない状態で1巡目と同じ処理を行う.このように,提案法では,観測信号における信号源の数を1個ずつ減らしながら信号源分離を繰り返す.信号源として音声を用いたシミュレーションにより,従来法との比較を行い,提案方法の有効性を確認している. A feedback structure and its learning algorithm are proposed for overcomplete blind source separation, where the number of sources is larger than that of sensors. In the first phase, the signal sources are separated so as to satisfy the condition, under which one signal source is not included in different outputs. By setting the number of the sensors to be more than a half of the sources, at least one output includes a single source. This output is selected based on property of a single source. Furthermore, this output is fed back and cancelled from observed signals. The selected single source, information about a mixing process and histogram of the observations and the separated source are used for this cancellation. In the second phase, the same process is carried out by using the modified observations, in which the source, separated in the first phase, is cancelled. Like this, in the proposed method, the source separation is repeated by reducing the number of equivalent sources. Simulations using speech signals demonstrate usefulness of the proposed method compared to the conventional methods.
続きを見る
|
||||
| 4.
論文 |
論文
|
中山, 謙二 ; Nakayama, Kenji
概要:
ブレインコンピュータインタフェイス(BCI)において,多チャネルで測定された脳波をチャネル間で直交化することにより脳波の特徴を強調する方法を提案した.並列構成された複数の階層形ニューラルネットワーク(MLNN)を用いてメンタルタスク(MT)
…
を分類し,それらの結果を統合する方法により, MTの分類性能が大幅に向上した.他の方式として,脳波の特徴を強調する部分空間フィルタと複数の2分類器,その出力を誤差訂正符号化する方式を提案し,高い分類性能を得た.<br />Brain Computer Interface(BCI) system has been developed. A method to emphasize features of the brain waves has been proposed. The orthogonalized components and parallel multi-layer neural networks are used to classify themental tasks. These results are averaged to obtain the final result. The high performance for mental task classification has been obtained. Another method, combining the special filter, binary classifiers and error correcting code, has beenproposed, resulting in high performance.<br />研究課題/領域番号:21560393, 研究期間(年度):2009-2011
続きを見る
|
||||
| 5.
論文 |
論文
|
中山, 謙二 ; Nakayama, Kenji
概要:
1)オーバーコンプリート形ブラインド信号源分離(OC-BSS)平成17年度に提案した,フィードバック形BSSにおいて,フィードバックにより信号源を相殺するための好しい学習法を提案した。混合過程に関する情報を使う方法と信号のヒストグラムを使う
…
2つの方法を提案した。さらに,ヒストグラムを使う方法に関して,信号歪みを低減する方法を提案した。信号歪みを雑音と見なして,スペクトルサプレッション法により雑音スペクトルを抑制する方法である。音声の信号源を3個,センサーを2個としたときのシミュレーションを行い,従来法に比べて,信号対干渉比が約10dB改善された。2)非線形混合過程に対するブラインド信号源分離信号源のグループ分離と線形化を縦続接続する方式を以前に提案したが,その学習法に関して改良を行った。特に,線形化に関して,「初期値の設定法」及び「パラメータの学習法」に関して新しい方法を提案し,信号源の分離特性を大幅に改善した。また,信号源とセンサーの位置関係と必要なセンサー数の関係についても解析し,実用化における指針を与えた。3)ブラインド信号源分離における信号歪みの低減フィードフォワード形(FF-)BSSに対して,信号歪みを抑制する新しい学習法を提案した。従来の学習法に信号歪みを抑制する制約条件を課す方法である。2チャネルと3チャネルについてシミュレーションを行い,分離特性と信号歪みを評価した。その結果,従来の信号歪み抑制形学習法に比べて大幅な特性改善を実現した。さらに,フィードバック形(FB-)BSSとFF-BSSが各々有効に使用できる条件を明らかにした。<br />A feedback approach and its learning algorithm are proposed for the OC-BSS. By using the sensors more than a half of the sources, at least one output can separate a single signal source. This output is fed back to the inputs of the separation block, and is subtracted from the observations, in order to reduce the number of equivalent signal sources. Two kinds of feedback methods are proposed, which are direct subtraction and sample elimination based on histogram of the observed signals and the separated signal above. In the latter process, signal distortion is further suppressed by the spectral suppression technique. The proposed method can improve a signal to interference ratio by 6〜10 dB compared to the conventional methods.Source separation and signal distortion are theoretically analyzed in blind source separation (BSS) systems implemented in both the time and the frequency domains. Feedforward (FF-) BSS systems have some degree of freedom in the solution space. Therefore, signal distortion is likely to occur. Next, a condition for complete separation and distortion free is derived for multi-channel FF-BSS systems. This condition is incorporated in learning algorithms as a distortion free constraint. Computer simulations using speech signals and stationary colored signals are performed for conventional methods and the new learning algorithms employing the proposed distortion free constraint. The proposed method can drastically suppress signal distortion, while maintaining a high separation performance.<br />研究課題/領域番号:17560335, 研究期間(年度):2005-2006<br />出典：「非線形畳み込み混合過程におけるオーバーコンプリート形ブラインド信号源分離」研究成果報告書 課題番号17560335 (KAKEN：科学研究費助成事業データベース（国立情報学研究所）) 本文データは著者版報告書より作成
続きを見る
|
||||
| 6.
論文 |
論文
|
中山, 謙二 ; Nakayama, Kenji
概要:
1.階層形NNによるパターン分類能力の評価周波数成分に基づく信号検出において、測定サンプル数が制限されている場合は線形処理によるスペクトル分析では十分な検出が行えない。階層形NNでは、ニューロンの非線形特性により信号空間での領域形成の自由度
…
が高く,不規則に分布する信号の分類能力が高いことを確認した。具体的には、ダイヤルトーンなどの応用例においてその有効性を確認した。2.凡化能力を保証する最小学習データの選択方法パターン分類を対象として、未学習パターンに対しても高い分類(凡化)能力を有する階層形NNを実現するための最小学習データの選択方法を提案した。ユークリッド距離に基づいて分類境界面に対峙する各クラスのデータを抽出するものである。データの組み合わせに基づく方法と、学習中の出力誤差に基づく方法について、収束性と学習時間の関係について検討した。また、データが逐次与えられる問題において、常に、最少の学習データを保持できることをシミュレーションにより確認した。3.オンライン学習における最少学習データの選択方法未学習パターンに対しても高い分類(汎化)能力を保証する最少データ選択法について、更に、オンライン学習における方法を提案した。種々のパターン分類問題に適用し、有効性を確認した。4.階層形NNにおけるニューロンの活性化関数の最適化最適な活性化関数はNNを適用する問題によって様々である。また、活性化関数を最適化することにより、回路規模を大幅に低減できる。本研究では、結合荷重の学習と同時に活性化関数自身を学習する方法を提案した。8ビットパリテイ問題等、難しい問題が最小の回路規模で実現できることを確認した。<br />1. Pattern Classification by Multilayr Ne0ural NetworksIn the signal detection based on frequency components, when the number of the signal samples is limited, accurate detection by linear methods is difficult. The multilayr neural networks can provide high classification performance. The vectors of the signals, which have a small number samples or low SNR,are usually distributed randomly in the N dimensional space. Therefore, the boundary, which separate these vectors becomes very complicated. This can be done by using the nonlinearity of the neurons in the multilayr NNs.2. Selection of Minimum Training Data for GeneralizationA data selection method has been proposed, by which the data belong to the different classes and across over the boundary are selected. These data can guarantee generalization, that is the data, which were not used in the training can be effectively separated.3. Selection of Minimum Training Data for On-Line TrainingThe data are successively applied to the neural networks in the on-line applications. A method, which can select the useful data and hold the minimum number of the training data, has been proposed. Through several kinds of examples, the proposed method was confirmed to be useful.4.Optimization of Activation FunctionsThe network size required for some applications is highly dependent on the activation functions, that is nonlinear functions. A simultaneous learning method for both connection weights and activation functons has been proposed. The parity check problem, which is a difficult task for the multilayr neural networks, can be effectively solved using the minimum number of the hidden units.<br />研究課題/領域番号:07650422, 研究期間(年度):1995-1997<br />出典：「階層形ニューラルネットワークの最小構成のための最適設計法の研究」研究成果報告書 課題番号07650422(KAKEN：科学研究費助成事業データベース（国立情報学研究所）) 本文データは著者版報告書より作成
続きを見る
|
||||
| 7.
論文 |
論文
|
中山, 謙二 ; Nakayama, Kenji
概要:
金沢大学自然科学研究科<br />信号源やその伝達・混合過程に関する事前情報がなく,それらの統計的な性質のみを仮定して信号源を分離するブラインド形信号源分離(BSS)に関して研究を行った.特に,伝達・混合過程に非線形を含む場合は信号源の混合
…
も複雑になり,それらを分離することは一般に難しい.本研究では,信号源の高次項を含む信号群を分離する過程と,その後に高次項を抑制する線形化の過程を縦続接続する方法を提案した.また,この構成法に対する学習法を新たに提案した.音声の信号源が2個の場合と3個の場合についてシミュレーションを行った.観測信号に比べて,干渉成分と非線形成分(高次項)は約20dB程度減衰しており,有効性が確認できた.本方法では,信号源の数より多い観測センサーが必要とされる.これに関して,非線形成分の大きさと必要とされる観測センサー数の関係について解析し,実際の応用場面では,センサー数を低減できることを示した.さらに,線形化→信号群分離→線形化というサンドウィッチ構造を提案し,少ないセンサー数で良好な分離特性を得た.ブラインド形信号源分離では,分離回路において信号が歪むという問題がある.これに関して,フィードフォワード形BSS(FF-BSS)とフィードバック形BSS(FB-BSS)について解析を行い,信号歪みのメカニズムを始めて明らかにした.FF-BSSは分離回路の自由度が高く,信号歪みが生じる.一方,FB-BSSは観測信号から信号歪みを生じることなく,分離が可能であることが明らかになった.さらに,本研究では,FF-BSSにおいても信号歪みを抑制するための制約条件を付加した学習法を提案し,時間領域における学習で従来法に比べて信号歪みを抑えることができた.以上,本研究では,非線形混合過程におけるBSSに対して新しい方法を提案し,さらに,従来行われていなかった信号歪みの問題を解析し,新しい学習法を提案した.これらにより,BSSをより現実的な場面に応用することが可能になり,また,分離後においても良好な音質が保証される.<br />In practical applications of BSS, processes of generating mixing and sensing signals include nonlinearity, caused by loud speakers, microphones, amplifiers and so on. BSS, cascading a signal group separation block and a linearization block has been proposed for low-order nonlinear mixtures. In the separation block, the signal sources are separated into each group, including its high-order components. The high-order components are further suppressed through the linearization block.In this report, separation performance of the nonlinear BSS is analyzed from several view points. The number of the sensors is increased from that of the signal sources in order to cancel the interference. Moreover, the interference components is decided by a ratio of the nonlinear and the linear components. A relation between the ratio of the components and the number of the sensors is analyzed. The number of the sensors can be reduced when the ratio of the nonlinearity is small. And a Cascade Form BSS Connecting Linearization and Source Separation and Linearization is analyzed.Next, effects of the initial guess of the separation matrix is analyzed. The training was carried out using 50 independent random initial guess, and good separation is obtained by a 25% probability. Moreover, effect of including 3rd-order terms is analyzed. When the 3rd-order term is under 10%, good separation performance can be obtained.<br />研究課題/領域番号:15560323, 研究期間(年度):2003 – 2004<br />出典：「非線形たたみ込み混合過程におけるブラインド形信号源分離・推定法」研究成果報告書 課題番号15560323（KAKEN：科学研究費助成事業データベース（国立情報学研究所））（https://kaken.nii.ac.jp/ja/report/KAKENHI-PROJECT-15560323/155603232004kenkyu_seika_hokoku_gaiyo/)を加工して作成
続きを見る
|
||||
| 8.
論文 |
論文
|
中山, 謙二 ; Nakayama, Kenji
概要:
金沢大学自然科学研究科<br />自然現象や社会現象等の時間的な変化を予測することは自然破壊,環境問題,人口問題,経済危機等に対応するために非常に重要である。このような現象の多くは非線形であり,非線形予測器の研究も多く行われている。本研究で
…
は,非線形予測を過去のサンプルから未来のサンプルへの写像としてとらえ,非線形なパターン写像の有効な手法であるニューラルネットワークと線形予測を組み合わせたハイブリッド形非線形予測器を開発した。(1)非線形予測器の提案階層形ニューラルネットワークによる非線形予測を入力側に,FIRフィルタによる線形予測を出力側に配置した縦続形のハイブリッド形予測器を提案した。階層形ニューラルネットワークの出力ユニットは線形素子であり,線形予測の能力も有している。(2)学習方法の提案非線形予測器と線形予測器をこの順に分離学習する方法を提案した。次に,雑音を含む非線形時系列の予測において,強化学習法を提案した。誤差逆伝播学習法の過程に結合荷重の強化を組み込んだ方法である。ニューロンの入力値が活性化関数の飽和領域にシフトされ雑音の影響が低減される。(3)時系列データの非線形性を解析する方法の提案類似する過去のサンプルから予測されるサンプルの分散で非線形性を評価する方法を提案した。実際の非線形データ及び線形システムから生成した時系列を用いてその有効性を確認した。これに基づいて,非線形予測に必要なニューラルネットワークの規模を推定する方法を提案し,最小構成を可能とした。(4)実際の非線形時系列の予測太陽黒点,湖の水位,カオス,及び霧発生の時間的な変化の予測に本予測器を適用し,その有効性を調べた結果,従来方法に比べて本方式が常に最小の予測誤差を与えていることを確認した。<br />Now a day, we have a lot of problems, environmental disruption, environmental pollution, economic crisis, population problem, natural disaster, nature conservation, and so on. In order to solve these problems, it is very important to analyze progress of these phenomena. These phenomena can be regarded as time series. Mainly they are nonlinear time series. So, nonlinear prediction becomes very important.(1) A Nonlinear PredictorIn this research project, we have developed a hybrid nonlinear predictor, which combines a neural network and a feed-forward linear predictor. Since the neural network has linear output unit, most of nonlinear part and some linear part can be predicted by the neural network. The remaining part is predicted by the linear predictor.(2) Learning AlgorithmsAn improved learning algorithm has been proposed, which separately optimize the neural network and the linear predictor in this order. An enhanced learning algorithm has been proposed for noisy nonlinear time series prediction.(3) Nonlinearity Analysis of Time SeriesPrediction is the mapping from the past sample x(n-1)=[x(n-1),x(n-2),..,x(n-N)] to the next sample x(n). When the past samples x(nィイD21ィエD2-1) and x(nィイD22ィエD2-1) are similar, however, the next samples x(nィイD21ィエD2) and x(nィイD22ィエD2) are far from to each other, then, nonlinearity of this time series is high. A measure, which can evaluate this property has been introduced.(4) Prediction of Real Nonlinear Time SeriesThe proposed method was applied to many the real nonlinear time series, including Chaos, water levels of some lake, fog generation, and so on. The proposed hybrid nonlinear predictor demonstrated good performance compared with the conventional methods.<br />研究課題/領域番号:10650039, 研究期間(年度):1998 – 1999<br />出典：「ハイブリッド型非線形予測器の最小構成法と学習アルゴリズム」研究成果報告書 課題番号10650039（KAKEN：科学研究費助成事業データベース（国立情報学研究所）） （https://kaken.nii.ac.jp/ja/report/KAKENHI-PROJECT-10650357/106503571999kenkyu_seika_hokoku_gaiyo/）を加工して作成
続きを見る
|
