最小分類誤り学習の汎化能力改善とニューラルネットワークへの応用

• 六井 淳

  北陸先端科学技術大学院大学 情報科学研究科

• 下平 博

  北陸先端科学技術大学院大学 情報科学研究科

書誌事項

タイトル別名

• Improving the Generalization Ability of the Minimum Classification Error Learning and Its Application to Neural Networks

抄録

識別学習によるパターン認識の一手法として片桐、Juang らによって提案された一般化確立降下法(Generalized Probabilistic Descent:GPD)を用いた最小分類誤り(Minimum Classification Error:MCE)学習は、音声のような可変長の特徴ベクトル系列を取り扱う識別関数の学習が行えることから近年注目を集めている。MCE学習は学習資料に対して高い識別性能を示すが、他の認識手法と同様、学習外資料に対する識別性能(汎化能力)の劣化が問題となっている。本報告では、MCE学習の汎化能力を改善するために、不良設定問題の解法に用いられる正則化法を利用した新たな手法を提案する。また、識別関数として階層型ニューラルネットワークを取り上げ、提案手法の実装方法および認識実験の結果について報告する。

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 98 (77), 1-7, 1998-05-25

  一般社団法人電子情報通信学会

キーワード

• 最小分類誤り学習
• MCE
• 一般化確率降下法
• 汎化能力
• 正則化
• 過学習

詳細情報

• CRID: 1570009752563364736
• NII論文ID: 110003233373
• NII書誌ID: AN10091178
• 本文言語コード: ja
• データソース種別:
  • CiNii Articles