データ構造によるニューラルネットワーク構成法
スポンサーリンク
概要
- 論文の詳細を見る
The Extended Kalman Filter Neuron Training (KNT) method greatly improves leaning speed, but selecting an optimal structure for a given task remains a critical issue in determining number of hidden nodes in a network design. In this paper, we propose a hybrid approach, PKNT, in which the Principal Component Analysis is applied to the KNT method to improve convergence speed and in deciding how to select an optimal network structure for a given task. Network performance is investigated by applying this method to function approximation problems. Simulation results show the PKNT is an effective algorithm, both in improving convergence and achieving optimal network structure.
- 日本シミュレーション学会の論文
- 1998-12-15
著者
-
張 慧
Dept. Of Computer And Systems Engineering Tokyo Denki University
-
畠山 省四朗
Dept. of Computers and Systems Engineering, Tokyo Denki University
-
畠山 省四朗
Dept. Of Computer And Systems Engineering Tokyo Denki University
関連論文
- 教材構造モデルによる復習課題生成法の考察
- マルコフパラメータとタイムモーメントを用いる連続システムの同定
- ニューラルネットワークの構造的学習法に関する研究
- AHPによるABC分析を用いた店内レイアウト設計支援システム
- データ構造によるニューラルネットワーク構成法
- 個別型学習環境と教授戦略に関する研究
- 構造モデリングと意識調査法に関する研究
- 制御系に発生するカオスの安定化
- データの性質を考慮したニューラルネットワーク構成法に関する研究
- 個別型学習環境と問題解答過程に関する研究
- 構造モデリングとアンケート調査法に関する研究
- 問題構造の表現法に関する研究
- 多次元アトラクタの可視化についての考察
- 1次元カオス写像の時系列予測に関する研究
- TEMPOシステムの開発 : 店舗内モデルとシミュレータ