ニューラルネットの過学習と中間層の一次独立性について
スポンサーリンク
概要
- 論文の詳細を見る
3層階層型ニューラルネットワークの結合荷重は、バックプロパゲーションアルゴリズム等を用いた学習により推定される。しかし、学習回数を重ねる事により学習データに対していくら近似を良くしても、そのネットワークが未知データに対して必ずしも良い近似を与えるとは限らない。これは、学習データ中の、本質的な情報と偶発的なノイズの両方を学習してしまうためである。この問題は、過学習と呼ばれており、本論では、未知データに対する近似を最適にするための停止時間ついて検討する。
- 社団法人電子情報通信学会の論文
- 1997-03-06
著者
関連論文
- 多項式近似における学習データの最適設計と予測誤差
- ニューラルネットの過学習と中間層の一次独立性について
- 有限ウェーブレット展開の一手法
- 変動する環境における遺伝的アルゴリズムの設計法
- 階層型モデルと正則な統計モデルの相違について
- 変動する環境下での遺伝的アルゴリズムの有効な構築法
- 変動する環境下におけるカオスニューラルネットワークの有効性
- 確率的発見法により最適経路を見い出すカオスニューラルシステム
- ニューラルネットの過学習に関する実験的検討
- 項目重視度を持つ検索法による観光案内システム
- 変動する環境下における最適化問題とカオスニューラルネットワーク
- 遺伝的アルゴリズムを用いたゴミ収集経路の最適化