混合モデルによる運動制御へのForward-Propagation学習則の適用

摘要

これまでに我々は，学習モデルに多層パーセプトロン(MLP)を用いた場合について，Back-propagation(BP)則を用いることなく教師あり逆モデル学習を達成する学習スキームとして，Forward-propagation学習則(FPL)を提案してきた．FPLは広義ニュートン法に基づいて責任分担問題を解決する一方で，目標指向性のある学習のためには前向き伝播誤差の共分散を評価する必要がある．本報告では，MLPに特化したアルゴリズムで表現されてきたFPLを，適当な確率モデルで記述される学習モデルに適用できる具体例を示す．そのために，混合モデルである正規化ガウス関数ネットワークと多重順逆対モデルを学習モデルに用いた，逆ダイナミクス·モデル学習スキームを構成した．また，強化学習により近似逆モデルを獲得する方法についても述べる．