入出力情報圧縮型ニューラルネットワークモデルの検討 : 原子炉出力分布予測への適用

概要

論文の詳細を見る
多層ニューラルネットワークにおいて,入力次元数より少ないユニット数の中間層を1層以上設けた情報圧縮型(または砂時計型)のネットワークでは,恒等写像を学習させることによって入力次元数よりも少ない次元で入力ベクトルの特徴が表現できることを知られている.また,入力ベクトルの内部表現が中間層に形成されることが簡単な実験によって示されている.我身は,それぞれ連続値(実数値)からなる入力データ群と出力データ群との関係を学習する問題に情穀圧縮型ネットワークを適用する上で,入力データ群と出力データ群に対しそれぞれ独立に誤差逆伝播法(Back Propagation,以下BP法)によって恒等写像を学習させた後,各ネットワークの中間層に形成された特徴空間をそれぞれ入力データおよび出力データとした3層ネットワークモデルを構築した認識時には7層となるこのニューラルネットワークモデル(ここではこれを入出力情報圧縮型ニューラルネットワークモデルと呼ぶ)を原子炉における全炉心出力分布予測問題に適用し,従来の3層ニューラルネットワークに比べて最大誤差が抑えられることを確認した
一般社団法人情報処理学会の論文
1992-09-28