選択的不感化ニューラルネットの2変数関数の近似能力(一般講演,機械学習によるバイオデータマインニング,一般)

スポンサーリンク

概要

論文の詳細を見る
選択的不感化ニューラルネット(SDNN)は,先行研究において関数近似器として高い性能を有することが示されていたが,その詳しい解析はおこなわれていなかった.本研究では,多層パーセプトロン(MLP)および並列パーセプトロン(PP)との比較を通して,SDNNの関数近似能力を明らかにするために,やや複雑な2変数関数を用いて評価実験を行った.その結果,学習能力や汎化能力を含めた近似能力はSDNNが最も高く,計算コストなどの実用性の点でも優れていた.また,SDNNの優れた性能には,アナログ値を多数の素子によって表現するパターンコーディングと,複数のパターン表現を統合する選択的不感化が共に大きく貢献していることがわかった.この結果はSDNNが高い有用性をもつことを示しており,これによってニューラルネットの応用範囲が大きく広がる可能性がある.
2011-06-16

著者

関連論文

もっと見る

スポンサーリンク