最近傍データによる学習の収束性の解析
スポンサーリンク
概要
- 論文の詳細を見る
筆者らは、有効な学習データを選択する方法を提案した。提案法は、全学習データを用いた初期学習により得られた準最適なネットワークを用い、クラス境界付近のデータのみを学習データとして残すことより、学習の収束に要する計算量を削減する。一方、与えられたデータのクラス間の最近傍データを検索することにより、クラスの境界を検出することが可能であるが、このデータを用いて学習を行なうと、収束が著しく遅くなることが指摘されている。 そこで、本稿ではクラス間の最近傍データを用いて学習を行なった場合の収束性について解析する。
- 社団法人電子情報通信学会の論文
- 1997-08-13
著者
関連論文
- PARAMETER ESTIMATION OF RBF NETWORKS FOR PATTERN CLASSIFICATION AND PDF ESTIMATION
- 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
- 階層形ニューラルネットワークにおける非線形シナプスの選択学習法