GNGとトポロジカルマップ
3次元点群データを扱う場合の課題 ・単純にダウンサンプルすると重要な情報まで欠落
・フレームを間引いて処理を軽くするとリアルタイム性が低下
→GNGによる特徴量を残した高速処理により、特徴的な部分を上手く抽出し、データを削減することができます。
このようにノードとエッジで形状を表現したものをトポロジカルマップと呼びます。
Add-If-Silent則とGNG
Add-if-Silent則とは ・多層神経回路網ネオコグニトロンの学習に以前よく使われていたwinner-take-all型の競合学習に代わって、後から提唱された中間層の教師なし学習則で、前シナプス側に反応している細胞があるのに全ての後シナプス側の細胞が無反応であれば、新しい細胞を回路内に発生させます。
GNGとの融合
・AiS則をGNGと融合したものがAiS-GNG[1][2]です。
・未知物体が近くにある場合はノードを追加するので、
入力データの特性に応じて高密度化します。
動的な環境や未知な環境に非常に有効です。
・ノードを追加する/しないはノード間の最大・最小距離で
パラメータ化しており、これを適切に設定することにより
余分なノードが出来過ぎないようにできます。
