多価関数を近似する正則化ネットワークとその学習アルゴリズム
スポンサーリンク
概要
- 論文の詳細を見る
本論文では、正則化ネットワーク(Regularization Network(RN))を1対h写像、すなわち多価関数を近似する様に拡張した多価正則化ネットワーク(Multi-Valued Regularization Network(MVRN))を提案する。多価関数の近似は、例から多重、多義的な入出力関係を学習するのに有用である。MVRNは、多価標準正則化理論(Multi-Valued Standard Regularization Theory(MVSRT))に基づいて導出される。MVSRTは、代数方程式による多価関数の直接的表現法に基づいている。未知関数の置き換えにより、線形のEuler-Lagrange方程式が得られる。したがって、MVRNは、入出力サンプルデータの集合からのネットワーク結合重みパラメータの学習を連立一次方程式を解くだけで行うことができ、その際に、データのクラスタリングを行う必要がない。さらに、この連立方程式の次数は写像の多価度に依存せず、サンプルデータ数に等しくなることが示される。従来の正則化ネットワークの場合と同様に、MVRNを特殊化したり、サンプルデータ数よりも少ない基底関数で近似することによって、円形基底関数法(Radial Basis Function(RBF))、一般化円形基底関数法(Generalized RBF)、スプライン近似、HyperBFネットワークなどを多価関数の近似に拡張することができる。本稿では、予備実験として、ガウシアンRBFネットワークを導出し、そのシミュレーション結果も報告する。さらに、多価ベクトル値関数を学習するMVRNの構成法について述べる。
- 社団法人電子情報通信学会の論文
- 1993-12-14
著者
関連論文
- 標準正則化理論の多価関数への拡張 : 滑らかな多重表面の復元
- 3次元物体投影像における一撃的交差形状解析法
- 局所微分フィルタを用いた多重スケール・多重方向場の表現と検出
- 局所微分情報に基づく交差形状解析 : 低次微分フィルタによるL,T,X交差検出
- 3次元物体投影像における交差形状解析 : 局所微分情報を用いた一撃的Y交差検出
- オプティカルフローからの多重運動立体視 : 重ね合わせの原理に基づいた基本拘束方程式の導出
- 1993年コンピュータビジョンとパターン認識会議参加報告
- 多価写像学習ネットワークの理論と視覚モジュールの学習による実現
- ディジタルPLLを用いたしま画像からの実時間形状復元処理(第2報) : 精度の改善と光学面形状測定への適用
- ディジタルPLLを用いたしま画像からの実時間形状復元処理
- 多価正則化ネットワークを用いた逆キネマティクスの学習
- 多価正則化ネットワーク : 多対h写像を学習する多層ネットワークの理論
- 標準正則化手法による重なり合った複数表面の復元
- 両眼立体視におけるトランスペアレンシーの計算理論と2重視差の一撃計算モデル
- 運動立体視にやけるトランスペアレンシー : 2透視投影像における点対応からの準最適線形アルゴリズム
- 2-2 上手に拘束条件を設定するには : 多重視覚情報の抽出を例にして(2.画像理解のための計算理論)(最近の画像認識・理解技術)
- 多価関数を近似する正則化ネットワークとその学習アルゴリズム
- 標準正則化理論の多価関数への拡張と多重表面の復元