モジュール型ニューラルネットにおける追加学習

概要

論文の詳細を見る
モジュール型ニューラルネットは, 多クラス分類問題に対して, その学習が通常の階層型ニューラルネットよりも効率的であることが示されている. しかし, 多クラス分類問題において新しいクラスに属する学習パターンが後から追加された際には, 既存の学習済みの各モジュールと新しいクラスに対応する新たなモジュールとを, 追加された学習パターンに加えて過去に学習した全学習パターンを用いて再学習する必要がある. このような方法は, 学習パターン数や学習回数が膨大になるため効率が悪い. 本論文では, モジュール型ニューラルネットの特性を考慮した上で, この種の追加学習を効率的に行うことができる新しいニューラルネットモデルとその学習アルゴリズムを提案する. このモデルは, モジュール型ニューラルネットの後段に1層のニューラルネットを付加したものであり, 既存の各モジュールにおける既存の入出力関係を損なうことなく, 適応的に学習パターンを選択して効率的に追加学習を行うことができる. また, 計算機実験により, 我々の提案するモデルが通常のモジュール型ニューラルネットよりも学習回数や学習パターンの数において効率的であることを示す.
社団法人電子情報通信学会の論文
1999-07-25

モジュール型ニューラルネットにおける追加学習

スポンサーリンク

概要

著者

関連論文

スポンサーリンク