{"product_id":"ieej-zt053101","title":"クラス分類問題における問題の単純化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\u003e3-101\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名: \u003c\/strong\u003e【全国大会】平成17年電気学会全国大会論文集\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日: \u003c\/strong\u003e2005\/03\/15\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語): \u003c\/strong\u003eA Task Decomposition Algorithm for Classification Problems and Its 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)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語): \u003c\/strong\u003eSeiji Ishihara(Kinki University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード: \u003c\/strong\u003eEMアルゴリズム|クラス分類問題|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本論文では，所定の入力パターンベクトルの分布に基づき，あるクラスに属する入力パターンベクトルの集合を所定の数の部分集合に分割することにより，2クラス分類問題をより単純な部分問題の組み合わせに置き換えるための一手法を提案した。提案法では，入力パターンベクトルの分布を正規混合分布で表現するものとし，モデルパラメータの推定にEMアルゴリズムを使用した。更に，分割後の部分集合の数を決定する手段として最小記述長基準を導入した。提案法の有効性を示すため，モジュール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分割に関する実験を行った。その結果，識別精度及び計算時間両面での提案法の有効性が確認された。\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\u003e2,055 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":46396849488111,"sku":"IEEJ-ZT053101-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_a656e128-256c-4a4d-bc63-2e17bae2d6e0.png?v=1744823143","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-zt053101","provider":"電気学会 電子図書館","version":"1.0","type":"link"}