Zielerkennung mit Rotationen

Es wurden zwei zusätzliche logistische Ausgabeknoten für $C$ eingeführt. Sie waren für Fokusrotationen in der Bildebene (um das Fokuszentrum) zuständig. Dabei wurde die Aktivation des ersten zusätzlichen Ausgabeknotens zu jedem Zeitschritt durch eine einfache Multiplikationsoperation in den Bereich zwischen 0 und 50 Winkelgraden transformiert, die Aktivation des zweiten zusätzlichen Ausgabeknotens in den Bereich zwischen -50 und 0 Winkelgraden. Der Betrag der Rotation des Fokus um sein Zentrum ergab sich schließlich durch Addition der beiden Werte. Natürlich erhöhte sich auch die Zahl der Eingabeknoten von $M$ um 2.

Das Erlernen korrekter Fokustrajektorien unter Einschluß von Rotationen erwies sich erwartungsgemäß als langwieriger als das Erlernen reiner Translationssequenzen. Bei den Experimenten mit der sequentiellen Version des Algorithmus erwiesen sich 100.000 Trainingsbeispiele für $M$ und 20.000 Trainingstrajektorien für $C$ als zweckmäßig. (Die sonstigen Parameter und Details wurden von den reinen Translationsexperimenten übernommen.)

In den Abbildungen 7.4 bis 7.7 wird die Rotation des Fokus' zu einem bestimmten Zeitschritt einer Trajektorie jeweils durch die Richtung des abgebildeten Pfeils symbolisiert. Nachdem $M$'s Training abgeschlossen war, bestand die Aufgabe für $C$ bei jedem Versuch darin, eine Trajektorie zu erzeugen, die das Zentrum des Fokus (dessen Position und Rotation zu Beginn einer Trajektorie zufällig gewählt wurden) in sequentieller Weise zu dem jeweils vorgegebenen Detail des Testobjektes zu führen hatte, wobei der Rotation des Objektes durch entsprechende Retinarotation Rechnung getragen werden mußte.

Die Experimente zeigten wiederum, daß das System in der Lage war, unter der Voraussetzung der teilweisen Überlappung des Objektes durch die rezeptiven Felder zu Beginn einer Trajektorie ohne Lehrer korrekte Sequenzen von Fokusbewegungen zu erlernen, obwohl das Modellnetzwerk häufig falsche Voraussagen lieferte [64].

Abbildung: Einer für die Experimente typischen visuellen Szene (schwarzes Objekt auf weißem Hintergrund) sind die rezeptiven Felder der sich auf der beweglichen `Retina' befindlichen Eingabeknoten überlagert.

Abbildung: Translationen: Der Fokus findet nach der Trainingsphase seinen Weg von verschiedenen Teilen der Pixelebene zu seinem Ziel, dem Zentrum des Kreuzungspunktes in der Ziffer `4'. Kein Lehrer sagte ihm, wie das zu machen sei! Man beachte, daß der Fokus typischerweise nicht den kürzesten Weg nimmt, sondern eine Vorliebe für Kanten entwickelt.

Abbildung: Ein Netzwerk für mehrere Ziele: Durch eine zusätzliche stationäre Eingabe für das Steuernetzwerk können verschiedene Ziele in ein und derselben Szene definiert werden.

Abbildung 7.4: Ein Experiment mit Rotationen und Translationen: Nach dem Training findet der Fokus Wege von Startpunkten in der Umgebung des Objekts zu seinem Ziel.

Abbildung: Die Pixelebene ist durch Pseudo-Zufallsrauschen verunreinigt. Der Fokus fährt dennoch an das Ziel heran.

Abbildung: Auch bei diesem aus einem Ball und einem Kreuz komponierten Objekt entdeckte das System eine erfolgreiche Strategie zur Lösung seiner Aufgabe: Erst versuchte der Fokus, den Rand des Objektes zu finden und sich in eine Art Normalstellung zu begeben. Dann rutschte er solange am Rand des Balles entlang, bis er den Auswuchs des Kreuzes wahrnehmen konnte. Von diesem Punkt an lief er mehr oder weniger geradlinig zum Ziel, dem Zentrum des Kreuzes. Man beachte erneut, daß kein überwachender Lehrer zu irgendeinem Zeitpunkt dem Fokus mitteilte, daß dies eine gute Strategie ist!

Abbildung: Ein Werkstück aus der SIEMENS-Datenbank und zwei in der Umgebung des Werkstücks beginnende Fokustrajektorien. Das Ziel befindet sich im Inneren des Objektes.

Related links in English: Recurrent neural networks - Subgoal learning - Reinforcement learning and POMDPs - Reinforcement learning economies - Selective attention
Deutsche Heimseite