超一次収束性を有する適応的学習アルゴリズム

スポンサーリンク

概要

論文の詳細を見る
慣性項を付加した誤差逆伝搬法など, 勾配法を基としたアルゴリズムは, 階層型ニューラルネットの学習法として広く用いられている。しかしながら, 学習係数や慣性率などの学習パラメータをどのように決定するかという問題が必ず生じる。本稿では, 学習経過に応じて適応的に変化するパラメータを用いた学習アルゴリズムを提案する。提案法では, 各々の学習ステップにおいて, 最適な学習係数および慣性率の値が, 1ステップの計算のみで決定される。また, 誤差逆伝搬法と同じ計算量にもかかわらず, 超一次収束性を有し, 結合重みの勾配値を用いたアルゴリズムの中で最速であることが示される。さらに数値実験からも, 誤差逆伝搬法と比較して遙かに良い性能をもつことを示す。
社団法人電子情報通信学会の論文
1998-03-20

著者

関連論文

もっと見る

スポンサーリンク