{"product_id":"ieej-zt043112","title":"クラス分類問題に対する一問題分割法とモジュール型ニューラルネットワークへの適用","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\u003e3-112\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】平成16年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2004\/03\/17\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eA decomposition algorithm for classification problems and application to modular neural network\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名: \u003c\/strong\u003e石原 聖司(近畿大学),藤江 大樹(近畿大学)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eSeiji Ishihara(Kinki University),Daiki Fujie(Kinki University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003eクラス分類問題|動径基底関数|最小記述長基準|モジュール型ニューラルネットワーク\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語): \u003c\/strong\u003e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(以降,モジュールと呼ぶ)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.但し,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.本論文では,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(以降,推定された分布を分布モデルと呼ぶ)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提案し,モジュール型ニューラルネットワークの構成に適用する.更に,ランダム選択による問題分割との比較実験の結果を合わせて報告する.\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\u003e1,841 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":46396633350383,"sku":"IEEJ-ZT043112-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_863e3920-3440-42e5-98d8-819e8e9b037e.png?v=1744815248","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt043112","provider":"電気学会 電子図書館","version":"1.0","type":"link"}