多層ネットの学習誤差評価法の一提案 : 不感帯導入によるパターン学習の容易化

概要

論文の詳細を見る
多層ニューラルネットワークに真/偽、ON/OFF等のパターンを学習させる場合、次の様に行なうのが一般的である-2つの状態を、2つの数値(例えば1,0)で表し、教師信号として与える。ニューラルネットワークの出力は2値の中間値となるが、適当な閥値を設けて1-0の判定を行なう。例えば、0.9以上は1、0.1以下は0と判定する。この場合パターンの境界付近に、0,1いずれに属するのか判別不能となる領域が生じる。0=1の不連続な変化をシグモイドなど連続関数で表そうとする限り、このような事態を完全に回避することは困難である。しかし、ニューロン数が同一であっても、判別不能領域をある程度狭めることは出来る筈である。われわれは、連想時だけでなく学習時にもパターンの状態を表す値に幅を持たせることにより、パターンを学習しやすくしようと考えた。具体的には、1及び0に近い出力に対しては、教師信号との誤差を0と見倣すような、不感帯をもった誤差関数を導入し、2次元パターンの識別を例に提案方式を評価する。
一般社団法人情報処理学会の論文
1993-09-27