最適汎化ニューラルネットワークの誤差最小構成法
スポンサーリンク
概要
- 論文の詳細を見る
我々が層状パ-セプトロンの学習に期待することは,与えられた訓練デ-タから汎化により本来の関数にできるだけ近い入出力関係を求めることである.これまでの研究で,本来の関数がわからないにもかかわらず,その関数の最良近似を与える射影汎化ニュ-ラルネットワ-クを実現する方法が明らかになっている.また,そのようなニュ-ラルネットワ-クが多数存在していることも示されている.そこで本論文では,その自由度を利用して,最適汎化能力を保ちながらニュ-ラルネットワ-ク内に生じる誤差の影響を最も抑制できる構成法を与えることにする.
- 社団法人電子情報通信学会の論文
- 1994-03-25
著者
関連論文
- 再帰型高次結合ニューラルネットワークによる正規言語の学習
- 全運動軸点推定の数学モデル
- Active Learning for Maximal Generalization Capability (Applications of the theory of reproducing kernels)
- 二値回帰問題のための新しいカーネルの提案
- D-11-97 劣化した印刷画像の画質改善
- D-2-6 訓練入力に雑音が含まれる場合の汎化誤差の推定
- AP-6-1 標本化と量子化(AP-6.信号・画像の離散化、特に量子化法についての討論-OK量子化理論とその展望-,パネル討論,ソサイエティ企画)
- 関数解析的学習理論 (函数解析学と数理情報の接点)
- D-2-2 モデル選択基準Corrected Subspace Information Criterionの理論的性能評価
- 信号処理に帯域通過型標本化定理を応用した光干渉式高速表面形状測定装置