教師データから直接抽出したファジィルールによるパターン認識
スポンサーリンク
概要
- 論文の詳細を見る
理論上はニューラルネットとファジィシステムは等価であるが、実際上は各々長所欠点を持っている。ニューラルネットでは知識は逆伝播法による学習で自動的に獲得できるが学習が極めて遅く、またネットの解析は難しい。他方、ファジィシステムにおいては入力空間を分割する必要があるため、入力変数が多いと適用が難しくなる。また専門家を通じての知識獲得も難しい場合がある。しかしながら、一度知識が獲得されれば、システムがどのように動作するのを理解するのは易しい。2つの手法の知識獲得のギャップを埋めるものとして、ニューラルネットを用いてファジィルールを抽出する方法、及び教師データからファジィルールを直接抽出する方法が提案されているが、完全な解決とはなっていない。本論文では、以下の特徴を持つファジィ推論によるパターン認識手法について述べる。(i)ニューラルネットより高速に学習ができる。(ii)従来のファジィ推論に比べて大規模な問題に適用できる。
- 一般社団法人情報処理学会の論文
- 1993-03-01
著者
関連論文
- スーパミニコン内蔵型ベクトルプロセッサの演算制御方式
- コホーネンネットのフィーチャーマップを利用した配置問題の解法
- ベクトル量子化機能を利用したコホーネンネットによる配置問題の解法
- 学習前にパターン認識用ネットの収束を判定する方法
- パターン認識用ネットからのアルゴリズムの抽出法
- 内蔵型高速PROLOGプロセッサIPP(XII) : システム統合
- 非零対角要素を持つホップフィールドニューラルネットを用いたLSIモジュール配置法
- Prologの最適化方式
- パターン認識用ネットの学習の高速化と汎化能力の向上方式
- パターン認識用ニューラルネットの構築法
- パターン認識用ニューラルネットのチューニング法
- パターン認識用ニューラルネットはいかにして構成できるか?
- 線形回帰分析による多層ニューラルネットの中間層ニューロン数決定方法
- モード情報を用いたシャローバックトラックの高速化方式
- 内蔵型PrologプロセッサIPPの最適化コンパイル方式の提案と性能評価
- Prolog最適化コンパイラの開発(VII) : 大域最適化コンパイル方式
- Prolog最適化コンパイラの開発(VI) : 大域最適化評価と高速リスト処理命令の提案
- Prolog最適化コンパイラの開発(V) : 構造体のハッシング方式と動的評価
- 汎化能力向上を目的としたクラスタリング用ニューラルネットの学習方式
- クラスタリング用ニューラルネットの学習方式
- 不等式の求解によるファジィルールのチューニング
- 不等号制約を持つHopfield型ニューラルネットの収束理論
- 教師データから直接抽出したファジィルールによるパターン認識
- ホップフィールドネットの積分の高速化方式
- ホップフィールドニューラルネットの重みの決定法とその評価
- 並列順伝播学習方式
- Hopfield型ニューラルネットの理論的考察