汎化能力向上を目的としたクラスタリング用ニューラルネットの学習方式
スポンサーリンク
概要
- 論文の詳細を見る
与えられた教師信号のもとでネットワークの汎化能力を最大化することを目的に,クラスタリング用多層ニューラルネットの学習方式を検討した.まずこの観点から理想となるクラスタ間の境界を示し,教師出力からのネットワークエラーを減少させる従来学習法ではネットワークが理想状態に到達しないことを述べる.次に理想境界を得るための学習方法として,教師入力信号をネットワークに入力するとき,その都度発生させた適当振幅の乱数を重畳し,クラスタの形状を仮想的に拡大することが有効なことを示し,その機構を明らかにする.とりわけ振幅値を学習の進行と共に減少させ最終的に0にすると,汎化能力はクラスタ同士の相対距離や,汎化すべき信号に加わっているノイズの大きさにかかわらず最大化される.最後に開発手法をアルファベット認識,および実機数字認識システムに適用し,従来学習法からの汎化能力(認識率)の向上を確認する.本手法では教師信号が十分にそろえられていない場合に従来法からの改善が著しい.従って少数の代表データを用いて素早く認識システムを立ち上げたい場合,あるいは多数の教師信号を収集するのが時間的,コスト的に困難な場合に大きな有効性を発揮する.
- 社団法人電子情報通信学会の論文
- 1993-04-25
著者
関連論文
- スーパミニコン内蔵型ベクトルプロセッサの演算制御方式
- コホーネンネットのフィーチャーマップを利用した配置問題の解法
- ベクトル量子化機能を利用したコホーネンネットによる配置問題の解法
- 免疫ネットワークにプラントの知見を導入したプラント特性変化・センサ劣化診断システム
- 鉄鋼プラント解析システムの開発 : データのハンドリングとこれを用いた制御・診断
- あいまい量子化ベクトルの導入による正常データのみを用いて構築した異常診断システムの性能向上方式
- アジャスティングニューラルネットの拡張によるチューニング特性改善の検討
- 知的操業保守支援システムの開発
- 免疫ネットワ-クとベクトル量子化を組み合わせたセンサ診断システム
- モデルチュ-ニングを高精度に行うアジャスティングニュ-ラルネットの構成と学習方式
- アジャスティングニューラルネットの性能向上方式
- 学習前にパターン認識用ネットの収束を判定する方法
- パターン認識用ネットからのアルゴリズムの抽出法
- 内蔵型高速PROLOGプロセッサIPP(XII) : システム統合
- 非零対角要素を持つホップフィールドニューラルネットを用いたLSIモジュール配置法
- Prologの最適化方式
- パターン認識用ネットの学習の高速化と汎化能力の向上方式
- パターン認識用ニューラルネットの構築法
- パターン認識用ニューラルネットのチューニング法
- パターン認識用ニューラルネットはいかにして構成できるか?
- 線形回帰分析による多層ニューラルネットの中間層ニューロン数決定方法
- 大気腐食環境モニタリング技術の開発 : 電機制御盤劣化診断システムの構築を目指して
- Windows^【○!R】CE のリアルタイム化とコントローラへの応用
- ファジィ多重回帰モデルの自動構築アルゴリズム
- ファジィ多重回帰最適化アルゴリズムの高効率実行方式
- モード情報を用いたシャローバックトラックの高速化方式
- 内蔵型PrologプロセッサIPPの最適化コンパイル方式の提案と性能評価
- Prolog最適化コンパイラの開発(VII) : 大域最適化コンパイル方式
- Prolog最適化コンパイラの開発(VI) : 大域最適化評価と高速リスト処理命令の提案
- Prolog最適化コンパイラの開発(V) : 構造体のハッシング方式と動的評価
- 構造用鋼の疲労破面のX線フラクトグラフィ
- 汎化能力向上を目的としたクラスタリング用ニューラルネットの学習方式
- クラスタリング用ニューラルネットの学習方式
- 多層ニューラルネットにおける汎化能力の中間層ニューロン数依存性
- 多層ニューラルネットの最適中間層ニューロン数決定方法
- 不等式の求解によるファジィルールのチューニング
- 不等号制約を持つHopfield型ニューラルネットの収束理論
- 教師データから直接抽出したファジィルールによるパターン認識
- ホップフィールドネットの積分の高速化方式
- ホップフィールドニューラルネットの重みの決定法とその評価
- 並列順伝播学習方式
- 感度解析を用いたニュ-ラルネットの入力層の最適化とその数字認識への適用 (ニュ-ラルネットワ-クの産業応用)
- Hopfield型ニューラルネットの理論的考察
- ペトリネットのト-クン遷移を適用した自動機械システムの高速制御