状態遷移に適応したベイジアン学習(一般)(ニューロインフォーマティックスとは何か)
スポンサーリンク
概要
- 論文の詳細を見る
学習が完了したベイズ神経回路網は事後確率を近似する。事後確率は判別関数として利用され、観測値は事後確率が最大のカテゴリーから出方されたと推定される。我々は、情報源の状態遷移に適応したベイズ学習能力をもつ神経回路網が、少数の素子で構成されることを示す。二カテゴリー、二状態の場合、状態に関する情報は追加された一個の入力素子より入力される。その情報に応じて回路網の出力はそれぞれの状態における判別関数を近似する。このアルゴリズムはより多状態の場合に容易に拡張される。比較的簡単な場合について、シミュレーションの結果を示す。
- 2003-12-01
著者
関連論文
- 2値乱数による神経回路網の学習とベイズ判別関数学習への応用(機械学習によるバイオデータマインニング,一般)
- スケール変換を伴わない基底関数の線形独立性と神経回路網による有限集合の写像
- 神経回路網による関数近似の二つの方法
- 状態遷移に適応したベイジアン学習(一般)(ニューロインフォーマティックスとは何か)
- 状態遷移に適応したベイジアン学習
- 内部パラメータの外部パラメータへの変換
- 展望 統計学の教育を考える(2)(附)標本相関係数のExact distributionについて
- 神経回路網による多項式と導関数の全空間における同時近似
- 神経回路網によるマハラノビス判別関数の学習 : 信号が正規分布にしたがわない場合(一般)