| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2011-03-07 11:30 Limited General Regression Neural Networkを使った環境に自動適応する最大電力点高速追従装置 ○山内康一郎（中部大）  NC2010-134 |
|
| 抄録 | （和） | 筆者は既に，は組み込み機器向け神経回路:Limited General Regression Neural Network(LGRNN)を提案した． LGRNNはGeneral Regression Neural Networkに中間ユニット数を一定個数に制限する機能を加えたものである． 学習初期は通常のGRNNと同様に，新しいユニットを割付ることで学習していくが，中間ユニット数が上限に達すると，最も冗長なユニットをカーネル法を使って探しだして削除し，新しい学習サンプルを覚えるべく新しいユニットを割り付ける． しかしこれだけでは，新しいサンプルの学習が過去の記憶に影響を与え，忘却する恐れがある． そこでこの影響を事前に見積り，いくつかの学習オプションを適応的に選択するようになっている． 例えば，新しいサンプルを学習すると，かえって過去の記憶の忘却による誤差が大きくなると予測される場合には，新しいサンプルの学習を拒否する場合もある． 本稿ではこのLGRNNを太陽電池用の最大電力点追従コンバータに組込んで，運用途中に太陽電池固有の特性を自動学習して高速性御を実現した例を示す． |
| （英） | In this paper, we propose a limited general regression neural network (LGRNN) for embedded systems. The LGRNN is an improved version of general regression neural network that continues incremental learning under a fixed number of hidden units. Initially, the LGRNN learns new samples incrementally by allocating new hidden units. If the number of hidden units reaches the upper bound, the LGRNN has to remove one useless hidden unit to learn a new sample. However, there are cases in which the adverse effects of removing a useless unit are greater than the positive effects of learning the new sample. In this case, the LGRNN should refrain from learning the new sample. To achieve this, the LGRNN predicts the effects of several learning options (e.g., ignore or learning) before the learning process begins, and chooses the best learning option to be executed. |
|
| キーワード | （和） | Limited General Regression Neural Networks / 一般回帰ニューラルネットワーク / Kernel Machine / Approximated Linear Dependency / 追記学習 / Maximum Power Point Tracking (MPPT) / / |
| （英） | imited General Regression Neural Networks / Kernel Machine / pproximated Linear Dependency / Incremental Learning / Maximum Power Point Tracking (MPPT) / / / | |
| 文献情報 | 信学技報, vol. 110, no. 461, NC2010-134, pp. 41-46, 2011年3月. | |
| 資料番号 | NC2010-134 | |
| 発行日 | 2011-02-28 (NC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2010-134 |
|
| 研究会情報 | |
| 研究会 | NC MBE |
| 開催期間 | 2011-03-07 - 2011-03-09 |
| 開催地（和） | 玉川大学 |
| 開催地（英） | Tamagawa University |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2011-03-NC-MBE |
| 本文の言語 | 日本語 |
| タイトル（和） | Limited General Regression Neural Networkを使った環境に自動適応する最大電力点高速追従装置 |
| サブタイトル（和） | |
| タイトル（英） | Maximum Power Point Tracking Converter Using a Limited General Regression Neural Network |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Limited General Regression Neural Networks / imited General Regression Neural Networks |
| キーワード(2)（和/英） | 一般回帰ニューラルネットワーク / Kernel Machine |
| キーワード(3)（和/英） | Kernel Machine / pproximated Linear Dependency |
| キーワード(4)（和/英） | Approximated Linear Dependency / Incremental Learning |
| キーワード(5)（和/英） | 追記学習 / Maximum Power Point Tracking (MPPT) |
| キーワード(6)（和/英） | Maximum Power Point Tracking (MPPT) / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 山内 康一郎 / Koichiro Yamauchi / |
| 第1著者 所属（和/英） | 中部大学 (略称： 中部大) Chubu University (略称： Chubu Univ) |
| 講演者 | 第1著者 |
| 発表日時 | 2011-03-07 11:30:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2010-134 |
| 巻番号（vol） | vol.110 |
| 号番号（no） | no.461 |
| ページ範囲 | pp.41-46 |
| ページ数 | 6 |
| 発行日 | 2011-02-28 (NC) |
[研究会発表申込システムのトップページに戻る]