階層形NNにおける疑似データを用いる追加学習法によるパターン分類
スポンサーリンク
概要
- 論文の詳細を見る
階層形ニューラルネットワーク(NN)の学習法として教師あり学習がある.これは基本的にパターン分類に属する幅広い問題に応用されている.学習データに関する問題として「追加学習」がある.NNが使用される環境で,全ての学習データが一度に得られず,時々刻々入力される場合などにおいて追加学習が必要になる.追加学習の一つの方法として,追加されるデータ全てを加えたデータセットで再学習を行なうことが考えられる.しかしこの方法では,学習データの量が膨大になる場合もある.そこでもう一つの方法として,重要性の高いデータのみを保持し,学習データの量を圧縮する方法等も検討されている.本論文では,次のような追加学習を対象とする.・全ての学習データは一度に得られず,時間を分けて得られる.・過去の学習データは保持しない.・過去の学習データも含め,全ての学習データに対して所望の機能を実現する.このような問題に対して,我々は一つの学習方法を提案した.これは,追加学習のある段階でNNの有する機能を疑似学習データを用いて保持する方法である.本稿では,この方法をいくつかのパターン分類問題に応用し,計算機シミュレーションによりその有効性を検証する.
- 社団法人電子情報通信学会の論文
- 1996-09-18
著者
関連論文
- フィードバック付き階層形ニューラルネットワークによる多価関数近似
- フィードバック付き階層形NNによる不連続関数近似
- 相互結合形NNの最安定解をTSPの最適解に一致させる為のコスト関数置換え方式の改善
- 偽記憶のない連想記憶システムのアニーリングによる改良
- 階層形NNにおける疑似データを用いる追加学習法によるパターン分類
- 階層形ニューラルネットワークにおける疑似データを用いる追加学習法