線形ニューラルネットワークによる主成分分析 : すべての主成分の抽出
スポンサーリンク
概要
- 論文の詳細を見る
線形ニューラルネットワークによって主成分を直接すべて求める方法を提案する.砂時計型の3層線形ニューラルネットワークにおいて,中間素子を1つずつ増やしながら,毎回2乗誤差を最小化するように重み係数を学習する.このとき,追加した中間素子に接続する重み係数のみを学習し,それ以前の重み係数は固定する.このような方法により,第1主成分から順に中間素子の出力として求めることができる.また,任意の主成分まで求めて打ち切ることができる.コンピュータシミュレーションにより,高い精度で推定できることが確認できた.
- 社団法人電子情報通信学会の論文
- 2004-03-11
著者
関連論文
- 増殖型線形ニューラルネットワークによる主成分分析
- リアルタイム音声分離のための独立成分分析
- 線形ニューラルネットワークによる主成分分析 : すべての主成分の抽出
- 教育支援のためのアクセス解析システムの開発
- プログラミング教育におけるインターネット教材の評価
- インターネット配布による課題学習についての検討
- 任意話者間の音声特徴パラメータの変換
- 大規模ニューラルネットワークにおける学習の高速化 : 衛星画像における雲近傍効果の評価への応用
- 層状ニューラルネットワークにおける学習アルゴリズムの初期値問題
- 海色データにおける雲一気体分子散乱の影響 -神経回路網を用いた被影響画素の識別-
- 増殖型ニューラルネットワークによる学習の改良
- 開発工学部における「情報処理実習」に対する授業評価の要因分析
- プログラミングのための自習用教材の開発
- プログラミングのための自習用教材の開発
- 任意音声生成のためのニューラルネットワークにおける学習の高速化