多段階学習を用いたニューラルネットワークの効率的な構成法

カテゴリ: 研究会(論文単位)

論文No: PI17101

グループ名: 【C】電子・情報・システム部門 知覚情報研究会

発行日: 2017/12/22

タイトル(英語): An Efficient Construction Method of Neural Network using Multistage Learning

著者名: 中浦 大貴(愛媛大学),木下 浩二(愛媛大学),一色 正晴(愛媛大学),柳原 圭雄(愛媛大学)

著者名(英語): Taiki Nakaura(Ehime University),Koji Kinoshita(Ehime University),Masaharu Isshiki(Ehime University),Yoshio Yanagihara(Ehime University)

キーワード: ニューラルネットワーク|データ選択|多段階学習|学習係数|関数近似|neural network|data selection|Multistage Learning|learning coefficient|function approximation

要約(日本語): 誤差逆伝搬法を用いた階層型ニューラルネットワークにおいて，対象が複雑で多量な学習データが必要な場合，学習時間の増加や学習の成功確率が低くなるという問題が生じる．そこで学習が進むにつれてデータを段階的に追加する多段階学習法を用いる．本論文では，ニューラルネットワークにおける関数近似問題を例として，計算実験により従来法との比較を行い，学習時間の短縮と学習の成功確率の向上を示すことで，提案法の有効性を示す．

要約(英語): Neural network is widely used due to its simple structure.When learning objects are complicated, the problems, such as unsuccessful learning or a significant time required in learning, remain unsolved. The aims of this paper are to suggest solutions of these problems. Computational experiments suggest that the proposed method has the capability of higher learning performance compared with the conventional method.

原稿種別: 日本語

PDFファイルサイズ: 696 Kバイト