最適化feature mapと強制学習との結合

概要

論文の詳細を見る
feature map(特徴地図)とは,多次元のサンプルデータをより低い次元のデータに縮約した結果として現れるパターンである。これは,教師無しの学習(自己組織化)を行うことにより生成することができる。競合学習は,この特徴地図を学習によって生成するアルゴリズムとして知られており広く利用されている。一方,学習法を分類すると,もう一つのクラスとして教師有りの学習がある。この場合,サンプルデータの個々に対してラベルやコンセプトのような教師信号を与えておく必要があり,その手間はかなりのものとなる。そこで自己組織化と教師有り学習との結合を用いて,学習システム全体の高度化と効率化を図ろうという考え方が生じる,この報告では特に学習を用いた情報処理の高度化の方に重点を置いている。ところが,自己組織化の途中あるいは結果に対して,強制学習を適用するという考えに立ってみると,通常の自己組織化手法や特徴地図では,ヒューマンインターフェースの面において外部知性との結合に難点があることがわかる。これに対して,多重降下競合学習により得られる特徴地図は最適化の過程を含んでおり,外部知性との結合を行い易い程度に原情報を抽出できる。本稿では,上に逆べた自己組織化と強制学習の結合,そして多重降下競合学習による特徴地図の利用について,画像処理,特に表情の変形を対象としている。
一般社団法人情報処理学会の論文
1992-02-24

最適化feature mapと強制学習との結合

スポンサーリンク

概要

著者

関連論文

スポンサーリンク