Conjunctive Networkによる概念学習

概要

論文の詳細を見る
多層ネットワークによるコネクショニスト学習は、望ましい入出力パターンの関係について正しく学習する過程において、入出力パターンの関係について特徴付ける高次の関係式がネットワークの内部表現として獲得される。したがってコネクショニスト学習は、その並列処理や汎化能力の特徴を生かした並列的な概念の学習法として有力な手段である。しかし、概念学習が対象とする領域における知識の対象要素は複雑な構造を有している場合が多く、構造的な知識表現された対象領域におけるコネクショニスト学習の有効性について十分に解明されていない。特に、多層ネットワークの学習アルゴリズムとして逆伝搬法を用いたコネクショニスト概念学習では、概念の複雑な構造関係について正しく推論できないことが示されている。本論では、コネクショニストモデルによる概念の学習を予備学習段階とネットワーク学習段階の2段階に分けて行なう方法について提案する。予備学習段階とは、与えられた学習例の集合を用いて、対象とする領域の概念学習に適切なネットワークアーキテクチャ(特に隠れユニットの数と構造)について決定するための事前学習フェーズである。ネットワークの構造について決定するためのアルゴリズムとして、最小連言探索アルゴリズムについて提案する。ネットワーク学習段階では、事前に提案された構造を持つ多層ネットワークを用いて、学習例に示された入出力関係を表現するためのネットワークの結合係数が決定される。
一般社団法人情報処理学会の論文
1991-02-25

Conjunctive Networkによる概念学習

スポンサーリンク

概要

著者

関連論文

スポンサーリンク