多層パーセプトロンにおける内部情報最適化アルゴリズムの提案
スポンサーリンク
概要
- 論文の詳細を見る
多層パーセプトロンの学習アルゴリズムとしてバックプロパゲーション(BP)アルゴリズムが知られている. 訓練データが少ない場合, このアルゴリズムは高い汎化能力を実現するのが難しい. 本論文では, BPアルゴリズムの作成した超平面を内部情報にもとづいて移動させ, 汎化能力を向上させるアルゴリズムを提案する. 超平面の位置は, 境界近傍の訓練データと超平面の距離によって一意に決まる. 提案アルゴリズムはスパース(疎)な訓練データに対して高い汎化能力を実現する. 計算機シミュレーションによりその有効性を確認する.
- 社団法人電子情報通信学会の論文
- 2001-03-15
著者
関連論文
- 1-325 卒業生による達成度評価 : アンケート結果の年次推移((14)教育評価・自己点検・評価システム-V)
- PARAMETER ESTIMATION OF RBF NETWORKS FOR PATTERN CLASSIFICATION AND PDF ESTIMATION
- ラチス形予測器を前処理とするFIR形ボルテラ適応フィルタとその収束性解析(画像信号処理及び一般)
- 階層形NNにおける活性化関数の一学習法
- システム推定と逆フィルタにおけるIIR適応フィルタの特性
- 多層パーセプトロンにおける内部情報最適化アルゴリズムと汎化能力の解析
- 多層パーセプトロンにおける内部情報最適化アルゴリズムの提案
- ニューラルネットワークによる工作機械の熱変位予測 : 有効な温度データの解析
- 最近傍データによる学習の収束性の解析
- ハイブリッド形ニューラル予測器における信号の相関性解析
- Kurtosisにより非線形関数を連続可変するブラインドセパレーション
- 追加学習が可能な連想記憶モデルの動作解析としきい値制御の影響
- 階層型神経回路網における重み精度と出力誤差の関係
- 予測に基づく最小二乗アルゴリズムの安定性解析
- GPSとカルマンフィルタ及びNNによるナビゲーションシステムにおける学習データと推測精度の解析