ニューラルネットワークの中間層における独立な特徴量の抽出(「機械学習によるバイオデータマインニング」及び「一般」)
スポンサーリンク
概要
- 論文の詳細を見る
ニューラルネットワーク(NN)はヒトの脳のメカニズムをヒントとした学習器であり,様々な学習テーマのもと多くの研究が成されてきた.NNにおける入出力関係の学習において中間層の役割について着目したとき,多くのユニットは似たような出力を行なう場合が多い.中間層で入出力関係の特徴量を表現することができれば,非線形のスパースコーディングを達成することとなり,その特徴量に基づいて入出力関係の様々な情報を得ることが期待できる.本報告ではNNの中間層において独立な特徴量を抽出するための方法を提案する.また簡単なシミュレーションを行ない,この方法について検討を行なう.
- 社団法人電子情報通信学会の論文
- 2006-06-09
著者
関連論文
- 極射影平面を利用した放射対称歪曲の較正 (ヒューマン情報処理)
- 極射影平面を利用した放射対称歪曲の較正 (パターン認識・メディア理解)
- 頑健なヤコビ核主成分分析に向けて(テーマ関連セッション5,コンピュータビジョンとパターン認識のための学習理論)
- 頑健なヤコビ核主成分分析に向けて(テーマ関連セッション5)
- 主成分曲線のあてはめによる放射対称歪曲の較正(一般セッション1,移動カメラ画像処理におけるパターン認識とメディア理解)
- D-1-9 Bregman情報量に基づく変数間の独立性の一般化(D-1. コンピュテーション,一般セッション)
- F-050 GESによる補正を行った情報量に基づくパラメタ推定法の評価(F分野:人工知能・ゲーム)
- LF_001 e-混合モデルの推定(F分野:人工知能・ゲーム)
- ベイジアンネットワークによる突然変異モデルの作成とBelief Propagationによる推定(機械学習によるバイオデータマイニング)
- ニューラルネットワークの中間層における独立な特徴量の抽出(「機械学習によるバイオデータマインニング」及び「一般」)