類似度を考慮した近傍学習による適応型自己組織化マップ
スポンサーリンク
概要
- 論文の詳細を見る
原口らは,SOMにアリの世界を適用した怠けニューロンを含んだ自己組織化マップ(LazySelf-Organizing Map:LSOM)を提案した.この手法においては勝者ノードと競合層のマップ上の距離が遠いノードを怠けニューロンとし学習を行わないことにより,入力データの分布状態を反映した自己組織化ができる.しかし,参照ベクトルのマップ上の距離ではなく,類似度が離れているものを学習対象から除外する方が,データの局所構造を維持した学習が行えると考えられる.そこで,本研究では近傍内であったとしても類似度が低い場合は学習を行わない,適応型近傍学習を提案する.提案手法により量子化誤差及びニューロン使用率は大幅に改善された.
- 一般社団法人電子情報通信学会の論文
- 2013-03-06
著者
関連論文
- 自己組織化による複雑ネットワーク生成手法の提案(「社会的インタラクションにおける知」及び一般)
- 類似度に基づき成長する複雑ネットワーク生成モデルの提案
- 類似度に基づき成長する複雑ネットワークの比較と評価 (ニューロコンピューティング)
- ネットワーク構造と記銘パターンの違いによる記憶容量への影響 (ニューロコンピューティング)
- ネットワーク構造と記銘パターンの違いによる記憶容量への影響(一般,複雑系とニューロコンピューティング)
- 類似度に基づき成長する複雑ネットワークの比較と評価(一般,複雑系とニューロコンピューティング)
- カオスニューラルネットワークを用いた周期的連想記憶に関する研究(一般,複雑系とニューロコンピューティング)
- 類似度に基づき成長する複雑ネットワーク生成モデルの提案
- 類似度を考慮した近傍学習による適応型自己組織化マップ
- Recurrent Self-Organizing Map によるBCIに向けた信号解析