選択的不感化法を適用した層状ニューラルネットの情報統合能力  [in Japanese] Information Integration Ability of Layered Neural Networks with the Selective Desensitization Method  [in Japanese]

Search this Article

Author(s)

Abstract

伝統的な層状ニューラルネットは,入出力関係が文脈に強く依存する場合や二つの独立な入力情報を統合する必要がある場合,学習及び汎化の性能が著しく低下する.これは,「1対多対応による荷重の平均化」という本質的な問題に起因すると考えられ,学習アルゴリズムをどのように改良しても解決することはできない.この限界を乗り越えるために,先に筆者らが提案した「選択的不感化」という手法を層状ニューラルネットに適用し,その情報統合能力について検証した.その結果,このモデルは文脈依存的連合課題に関して,優れた学習能力をもつだけでなく,これまでにない高い汎化能力を示すことが分かった.これは,前述の平均化の問題が解消するとともに,2種類の分散表現が局所表現を経ることなく統合されるためだと考えられ,ニューラルネットによる情報処理の可能性を大きく広げるものである.

Journal

  • The IEICE transactions on information and systems Pt. 2

    The IEICE transactions on information and systems Pt. 2 87(12), 2242-2252, 2004-12-01

    The Institute of Electronics, Information and Communication Engineers

References:  10

Cited by:  15

Codes

  • NII Article ID (NAID)
    110003203174
  • NII NACSIS-CAT ID (NCID)
    AA11340957
  • Text Lang
    JPN
  • Article Type
    Journal Article
  • ISSN
    09151923
  • NDL Article ID
    7173419
  • NDL Source Classification
    ZN33(科学技術--電気工学・電気機械工業--電子工学・電気通信)
  • NDL Call No.
    Z16-1853
  • Data Source
    CJP  CJPref  NDL  NII-ELS 
Page Top