{"product_id":"ieej-zt033036","title":"構造化ニューラルネットワークによる出力値の定量的説明方法","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ: \u003c\/strong\u003e全国大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No: \u003c\/strong\u003e3-036\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】平成15年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2003\/03\/17\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eAn explaining method of output of analyzable structured neural network\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e飯坂達也 (富士電機),松井哲郎 (富士電機),福山良和 (富士電機)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003eニューラルネットワーク|説明|解析\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003eニューラルネットワークは，優れた非線形モデル能力と学習能力を有しており，多くの分野で応用が進められている。しかし，ニューラルネットワークは本質的にその内部構造がブラックボックスであり安全性や信頼性に関わる分野において，内部構造の解析や出力値の説明の実現が切望されている。これを解決する手段として構造化ニューラルネットワークが提案されている。しかし，従来の構造化ニューラルネットワークは入力因子ごとに出力に対する増減傾向を説明することは可能であるが，出力層においてシグモイド関数の非線形領域を用いるためその説明は定性的なものでしかなかった。本論文では，構造化ニューラルネットワークの出力層でシグモイド関数の線形領域を用いることで，出力値を定量的に説明する方法を提案する。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e原稿種別: \u003c\/strong\u003e日本語\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ: \u003c\/strong\u003e1,614 Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":46396354003183,"sku":"IEEJ-ZT033036-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_ab698dbd-4b85-4ff4-9e33-4320154e358a.png?v=1744806103","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt033036","provider":"電気学会 電子図書館","version":"1.0","type":"link"}