ダウンロード
最新バージョン : 2.1.0-RELESE
| 2.1.0-RELESE | ダウンロードページ |
OpenRTM@Github
OpenRTM-aist GitHubサイト
ROS
Robot Operating System
Choreonoid
モーションエディタ/シミュレータ
DAQ-Middleware
ネットワーク分散環境でデータ収集用ソフトウェアを容易に構築するためのソフトウェア・フレームワーク
産総研が提供するRTC集
東京オープンソースロボティクス協会
| 2.1.0-RELESE | ダウンロードページ |
OpenRTM-aist GitHubサイト
Robot Operating System
モーションエディタ/シミュレータ
ネットワーク分散環境でデータ収集用ソフトウェアを容易に構築するためのソフトウェア・フレームワーク
産総研が提供するRTC集
東京オープンソースロボティクス協会
TITLE:학습 추론 컴퍼넌트
β-RNA에 의한 학습 추론 컴퍼넌트
β-RNA는, 주식회사 애드 인(Add In) 연구소가 개발·판매하는 「퍼지 뉴로 학습·추론 엔진」입니다.종래의 학습계와는 달라, 파이지 이론과 뉴럴 네트워크(neural network)의 이점을 겸비하는, 새로운 학습·추론 엔진입니다.표본이 되는 데이터를 학습시키는 것만으로, 스스로 룰을 생성해, 학습한 룰에 근거해 작업을 실행합니다.개발의 배경
실용적인 로봇을 개발하려면 , 데이터(상황)로부터 학습해, 추론(판단)을 행하는 기능이 필요하게 된다고 생각할 수 있습니다.이, 학습, 추론 기능을, RT컴퍼넌트로서 실현될 수 있으면, 로봇 개발의 효율이 향상할 것입니다.
학습·추론이란?
학습·추론은, 인공지능의“기계 학습”이라고 하는 분야에서 연구되고 있습니다.“기계 학습”에서는, 학습·추론을, 다음과 같이 생각합니다.
학습·추론 컴퍼넌트가 생기는 것
학습·추론 컴퍼넌트에서는, 이하와 같은 학습·추론을 실시합니다.
학습·추론 컴퍼넌트는, 어떤 경우에 도움이 되는가?
입력된 데이터를, 카테고리로 분류하기 위한 룰을, 수식, 혹은, IFELSETHEN 형식에서 기술할 수 있는 경우는, 학습·추론 컴퍼넌트를 사용치 않고 카테고리 분류 룰은 사람이 프로그램 하면 좋을 것입니다.
그런데 , 현실 사회에는, 입력된 데이터를, 카테고리로 분류하기 위한 룰을 기술할 수 없는 경우가 많습니다. 예를 들면, 사람은, 사과와 귤을 용이하게 분류할 수 있습니다만, 과일을 「사과」라고 하는 카테고리, 「귤」이라고 하는 카테고리로 분류하기 위한 룰을 기술하는 것은 대단히 힘든 일입니다. 이것은, 분류하기 위한 룰에 애매함을 기술해야 하는 것에 따릅니다. 이러한 경우에, 학습·추론 컴퍼넌트를 사용하면, 컴퓨터가 과일을 「사과」와「귤」이라고로 분류할 수 있게 됩니다.
이와 같이, 학습·추론 컴퍼넌트를 이용하면, 분류를 위한 룰을 프로그램으로서 기술하는 것이 어려운 분야(캐릭터 레코그네이션, 화상 인식등의 패턴 인식의 분야등)에서도 카테고리 분류를 실시할 수 있게 됩니다.
다운로드
발표 문헌
비고
라이센스
연락처