クラス分類問題に対する問題分割法 - モジュール型ニューラルネットワークへの選択的適用 -

カテゴリ: 部門大会

論文No: GS12-1

グループ名: 【C】平成16年電気学会電子・情報・システム部門大会講演論文集

発行日: 2004/09/02

タイトル(英語): A decomposition algorithm for classification problems - selective application to modular neural network -

著者名: 石原 聖司(近畿大学)

著者名(英語): Seiji Ishihara(Kinki University)

キーワード: クラス分類問題|最小記述長基準|動径基底関数|モジュール型ニューラルネットワーク|classification problem|minimum description length criterion|radial basis function|modular neural network

要約(日本語): 　階層型ニューラルネットワークをクラス分類問題に適用する際の問題点として，ネットワーク規模の増大による学習所要時間の増加や認識精度の低下が挙げられる．対象とするクラス分類問題を複数の小規模な問題に分割した上で，その各々を小規模な階層型ニューラルネットワークで処理しその結果を統合する方法は，上述の問題点に対する有効な改善策の一つであると考えられる．ただし，この場合，何を手がかりにしてどのように問題を分割するかということが最大の課題となる．我々は，動径基底関数の組による所定の入力パターンベクトルの分布の推定と，最小記述長基準による分布モデルの評価，選択とを組み合わせた問題分割アルゴリズムをこれまでに提案している．本稿では，当該アルゴリズムをモジュール型ニューラルネットワークの構成に選択的に適用する方法を提案した上で，計算機実験による結果を報告する．

PDFファイルサイズ: 3,100 Kバイト