繰り返し学習による汎化エリアの固定化に関する検討

スポンサーリンク

概要

論文の詳細を見る
ニューラルネットワークの学習法で最も一般的なバックプロパゲーション法(BP)は、各クラスの学習データが2乗誤差規範のもとで、そのクラスに正しくクラスタリングされるようにネットを構築する操作と解釈される。構築されたネットは、汎化能力を有し未学習の評価データをクラス分けする事ができるが、学習データを正しくクラス分けしている限りは、その汎化エリア(クラス分けの境界)は、学習条件の違いにより無数に存在する。このことは、例えば、画像認識問題などで、認識できるデータが、学習データが同じであっても一定とならないことになる。そこで、本報告では、BP学習則を認識データを除々に学習データ群に吸収させながら繰り返し適用する新しい学習法を提案することにより学習データ、ネット構造が定まった段階で、学習条件に依存せずに、汎化エリアの固定化がなされることを示す。
一般社団法人電子情報通信学会の論文
1993-05-26

著者

関連論文

もっと見る

スポンサーリンク