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
スポンサーリンク
概要
- 論文の詳細を見る
正則化ネットワーク(Regularization Network, RN)は,「学習=関数近似」という立場から,Poggio & Girosiによって提案された学習ネットワークである.RNは,標準正則化理論に基づいて導出される.本論文では,非線形システムの逆モデル学習を可能にするため,RNを拡張し,多価写像を例から直接学習する多価正則化ネットワーク(Multi-Valued Regularization Network (MVRN))を提案する.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,テンソル積(Kronecker積)を用いた多価関数の直接表現法に基づく.MVRNでは,教師データからのネットワーク結合重みパラメータの学習が,従来の正則化ネットワークと同様,連立1次方程式に帰着される.本理論では,教師データを1価の要素関数に分離するためのクラスタリングは必要ない.従来のRNと同様,MVRNを特殊化したり,教師データ数よりも少ない基底関数を用いて,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ネットワークなどが多価関数に拡張される.本理論で用いた多価関数の直接表現法では,RNに限らず,一般のネットワークに多価写像を学習させるための基礎方程式として広く利用可能である.
- 社団法人電子情報通信学会の論文
- 1995-03-25
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