実数入力データを1回の提示により学習できる教師ありニューラルネットワーク学習則

概要

論文の詳細を見る
本論文で提案するSOLAR(Supervised One-shot Learning Algorithm for Real number inputs)は実数である入力データを1回提示しただけで学習可能なニューラルネットワークアルゴリズムである.SOLARでは実数値で構成される学習例間の類似度として学習例間のユークリッド距離を測定する性質をもつ類似行列を導入する.その類似行列の幾何学的構造により中間ユニット数,結合係数,学習パラメータおよび線形識別関数が決定される.従って,学習例を1回提示するだけで学習できる.また,線形分離不可能な場合は教師信号の集合を線形分離可能な集合に分解することにより線形分離可能問題に帰着することができる.従来のモデルでは実数値で構成される入力データを一回提示しただけで高速に学習することは困難であったが,本モデルにより可能となる.また,大規模で複雑なデータを学習でき,中間ユニット数やパラメータがアルゴリズムにより決定されるので試行錯誤的学習といった問題もない.更に,シミュレーションにより誤差逆伝搬学習等の最急降下法に基づく学習則では困難である比較的大規模な問題を学習し,本学習則の有効性を示す.
社団法人電子情報通信学会の論文
1994-10-25