出力層素子の入力特性とそれに基づくニューラルネットワークの学習の効率化

カテゴリ: 部門大会

論文No: GS12-2

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): An Input Characteristics of the Output Layer Units in the Layered Neural Networks and Its Application to an Efficient Learning

著者名: 田口 功(敬愛大学),須貝 康雄(千葉大学)

著者名(英語): Isao Taguchi(Keiai University),Yasuo Sugai(Chiba University)

キーワード: ニューラルネットワーク|振動現象|効率的学習|関数近似|識別問題|neural network|vibration phenomenon|efficient learning|function approximation |discrimination problem

要約(日本語): 　シグモイド関数を用いた階層型ニューラルネットワークでは、誤差逆伝搬学習則が広く用いられている。実用上では、結合荷重の初期値に依存して、良好な学習が行われない、あるいは、学習が進まないなどの問題が生じることが多々ある。その場合、結合加重の初期値を変更し所望の結果を得るまで学習を繰り返すことになり、結果として、多大な計算時間を要する。本稿では、学習時における出力素子への入力特性に着目し、関数近似問題と識別問題について、入力特性と学習過程との関連を明らかにすると共に、それに基づき、総合的な学習時間を短縮するための効率的な学習手順を提案する。

PDFファイルサイズ: 2,541 Kバイト