距離型cosネットワークの学習能力

• 大池 浩一

  千葉大学大学院自然科学研究科

• 小圷 成一

  千葉大学工学部

• 平田 廣則

  千葉大学工学部

書誌事項

タイトル別名

• Learning Capability of Distance-Based Cosine Network

抄録

本稿では, 入力と重みの差の二乗和を入力, cos関数を出力関数とする距離型cos素子を提案する. この素子により構成される階層型ネットワークは, 学習が高速で収束率が高いという特徴を持つ. 学習アルゴリズムにはバックプロパゲーション(BP)法を用いる. 距離型cosネットワークを計算機上でシミュレーションし, nビットパリティ問題と1変数関数の近似問題を学習させてその特徴を調べた. その結果, 従来の積和型シグモイド素子によるネットワークと比べ, 学習速度および収束率において優れた結果が得られた. また, 1変数関数の近似問題に対しては, シグモイド素子によるネットワークと同程度かそれ以上の汎化能力を持つことが示された.

収録刊行物

• 電子情報通信学会技術研究報告. NC, ニューロコンピューティング

  電子情報通信学会技術研究報告. NC, ニューロコンピューティング 95 (599), 23-30, 1996-03-19

  一般社団法人電子情報通信学会

キーワード

• ニューラルネットワーク
• 距離型cos素子
• パリティ問題
• 関数近似問題

詳細情報

• CRID: 1570572702515824512
• NII論文ID: 110003233147
• NII書誌ID: AN10091178
• 本文言語コード: ja
• データソース種別:
  • CiNii Articles