パターン分類を行なう階層形ニューラルネットワークにおける活性化関数の自動選択

書誌事項

タイトル別名
  • AUTO-SELECTION OF ACTIVATION FUNCTIONS IN MULTILAYER NEURAL NETWORKS APPLIED TO PATTERN CLASSIFICATION

この論文をさがす

抄録

パタ-ン分類を目的とした階層形ニュ-ラルネットワ-クにおいて,活性化関数を自動選択することにより隠れユニット数を最少化する方法について検討する.活性化関数として,シグモイド関数,三角関数及びガウス関数の3種類を採用する.これらの空間分割特性は互いに独立であり,組合せで多様なパタ-ン分類に対応できる.この3種類の関数を隠れ層において使用する.学習の途中で各関数の隠れユニットの有効性を評価して,削除・増殖を行なう.有効性評価は従来の隠れユニット削減法に準じている.パリティ問題,ビットパタ-ンの`1'の数を数える問題,種々の二次元パタ-ンの分類問題に適用し,最適な関数が選ばれ,最少の隠れユニット数で問題を解くことができた.隠れユニットの削除は有効であるが,増殖の有効性は現段階では限定されいる.
Minimization of hidden units by auto-selecting optimum activation functions is discussed for multilayer neural networks applied to pattern classification.Three typical functions, including sigmoid,sinusoidal and Gaussian functions are employed. They have unique property for space division.Thus,a wide range of problems can be solved by combining these functions.Three functions are used in a hidden layer.One hidden unit has one of three functions.Efficiency of each function is evaluated using three criteria,similar to the conventional.The useful functions are selected in the learning process.Parity problem,counting 1 in bit-patterns and other two-dimensional classification problems can be solved with the minimum hidden units.

収録刊行物

キーワード

詳細情報 詳細情報について

  • CRID
    1572261552377243008
  • NII論文ID
    110003233282
  • NII書誌ID
    AN10091178
  • 本文言語コード
    en
  • データソース種別
    • CiNii Articles

問題の指摘

ページトップへ