パターン分類問題に対するニューラル・ネットワークのモジュール化 : 2.大規模な問題の分割と並列学習

概要

論文の詳細を見る
パターン分類問題に対するニューラルネットワークの学習法法として, われわれはこれまでにモジュール化ネットワークによる学習問題の分割およびその出力の統合方法を提案してきた.本稿では, われわれの手法をベンチマーク問題のひとつであるシャトル・プロブレム(shuttle problem)に応用することにより, その能力や有効性を検討する.学習データ間の関係により大規模な問題をいくつかの小さく単純な独立した2クラスの分類問題にいかに分割するか, 分割してできた2クラスの分類問題をどのようにして各モジュール化ネットワークに並列学習させるか, さらに, 学習したモジュール化ネットワークの各出力がもとの問題の解となるようにどう統合するかについて, シャトル・プロブレムを例に説明を与える.シャトル・プロブレムは大規模で複雑なため, 単純な構造の多層パーセプトロンでは学習が難しい.しかし, われわれのモジュール化ネットワークに対し, 学習速度・汎化能力の点で良好な結果が計算機シミュレーションにより示された.
社団法人電子情報通信学会の論文
1998-03-20