部分情報の処理,知識抽出可能な階層型ニューラルネットワークLISM
スポンサーリンク
概要
- 論文の詳細を見る
階層型ニューラルネットワークの適用分野のひとつとして,属性値の組を符号化した入力パターンをいくつかのクラスに分類するパターン認識問題がある.現実のパターン認識問題では一部の属性の値からクラスが決定できる場合や,属性の値が部分的に与えられた時に各クラスの属する確率を求めたい場合が少なくない.しかし従来提案されてきた階層型ニューラルネットワークでは,学習・想起時においてネットワークに提示する入力パターンの値を全て指定する必要があり,上記のような場合に対応することができない.本稿では,一部の値が不定である入力パターンを分類できる階層型ニューラルネットワークLISM(Learning Subspace Method Networks)のネットわーク構成とその学習・想起アルゴリズムである部分空間学習・想起法についのべる.また部分空間想起法により一部の属性の値のみ指定した入力パターンが各クラスに属する確率を求め,LD3などの帰納的学習で採用されている平均相互情報量最大化の原理をもちいることでLISMが獲得した知識を決定木の形式で抽出できることをしめす.
- 一般社団法人情報処理学会の論文
- 1992-02-24
著者
関連論文
- SA-6-4 エージェント技術を用いた建設副産物リサイクル融通調整支援システム
- 建設副産物リサイクル支援システム
- 5P-5 建設副産物リサイクル融通調整支援システム : モバイルエージェントを用いた耐ネットワーク障害機能の実現
- リサーチ6 モバイルエージェントを用いた建設副産物リサイクル融通調整支援システム
- B-044 組込みWebサービス構築環境μWS-Suite(B.ソフトウェア)
- 物流取引交渉エージェントにおける取引提案に対する部分契約方式
- ユーザ視点を用いた情報空間の再構成手法の提案
- ニューロ・AI統合型エキスパートシステム : SampleMasterの実装
- ベクトル演算をもちいたObject Parallelismの実現
- 部分情報の処理,知識抽出可能な階層型ニューラルネットワークLISM