動径基底関数ネットワークにおける学習係数の数値的導出(一般)

概要

論文の詳細を見る
動径基底関数(RBF)ネットワークは,ガウス関数などの単峰な基底の重ねあわせで入出力データを回帰するモデルである.近年,X線光電子分光法など,基底関数から電子状態を推定するスペクトル問題に精力的に応用され,その有用性は高まっている.RBFネットワークにおけるモデル選択では,AICやBICなど広く知られている情報量規準は,RBFネットワークがもつ階層性ゆえに漸近正規性が成り立たないため,利用することができない.また,階層性を持つ学習モデルでも成り立つ情報量基準として,WBICが提案されているが,これを利用する為には,自由エネルギーの主要項の係数である学習係数を数値的に求める必要がある.本研究では,新たな学習係数の算出法を提案し,RBFネットワークにおいてその導出を行う.具体的には,交換モンテカルロ法を用い,シミュレーションの結果として得られる交換率の値から学習係数を求める.また,学習係数が解析的に明らかにされている分散固定型RBFネットワークの学習を数値シミュレーションにより行い,理論値とシミュレーション値を比較することで,提案手法の有効性を明らかにする.
一般社団法人電子情報通信学会の論文
2012-12-05