2003 Fiscal Year Annual Research Report
複雑なパターンに対する学習及び認識能力に優れたニューラルネットワークの構築
| Project/Area Number |
15500150
|
|---|
| Research Institution | Sendai National College of Technology |
|---|
Principal Investigator |
藤木 なほみ 仙台電波工業高等専門学校, 教授 (60259801)
|
|---|
| Keywords | フィードフォワード型 / 層状ニューラルネットワーク / カルバック測度 / 認識能力 / 学習能力 / 汎化能力 |
|---|
| Research Abstract |
フィードフォワード型の層状ニューラルネットワークの学習則を導出する際に,カルバック測度を用いることでネットワークの能力が格段に向上することはすでに報告されている。従来の自乗誤差を評価関数とするものと違い,このネットワークはサイズを大きくすることで,単調に学習能力が向上すると言う特徴がある。この特徴から,ネットワークサイズを大きくすることで,学習効率を高め,容易に学習度合を調整することが出来る。申請研究は,このネットワークの特長を活かし同じネットワークの学習の度合いを調整することで,学習データの曖昧さを許容しない正確な識別能力と,欠損や雑音が混入された曖昧さを伴ったデータや未学習の同種のデータの認識を行う汎化能力という,一見相反する2つの能力に優れたネットワークを構築することを目的に行ってきた。
これまで,手書き数字の学習問題において,その学習の度合いによる認識率の変化,及びネットワーク損傷時の回復能力についての考察を行った結果,提案するネットワークは高い識別能力と損傷回復能力を持つことを示した。一方,未学習データや雑音の混入した入力データにたいする認識能力については,能力の正当な評価を行うための入力データの特徴抽出方法に対する検討を行って来た。これらの成果は仙台電波工業高等専門学校の紀要に発表された。
一方,ネットワークが確率的に状態を決定するニューロンによって構成された場合のフィードフォワード型の層状ニューラルネットワークの学習能力についての検討を行った結果,逆問題などへの応用能力が充分あることを示した。これらの成果は平成15年度電気関係学会東北支部連合大会,2003年度電子情報通信学会総合大会にて報告された。
|
