研究課題
基盤研究(C)
本研究では、多層パーセプトロンのモデル選択を考える上で、基底関数の可変性に着目し、データ数と同じ個数の関数集合の中を基底関数が動く場合のモデル選択の方法を確立した。その方法では、まず、集合内の関数に対して直交変換を行い、直交化された基底関数に対して、その係数を推定する。その係数に対する閾値処理により、不必要な係数を零にする。その後、逆変換により、元の基底関数の係数を求める。この際、閾値は、基底関数の可変性の性質を反映して導出しており、理論的に妥当なものである。この方法では、直交化の方法に応じて、縮小推定となる場合やスパースな表現が得られる。この方法は、ある学習法の下で、多層パーセプトロンに対しても応用可能である。
すべて 2011 2010 2009 その他
すべて 雑誌論文 (2件) (うち査読あり 2件) 学会発表 (2件) 備考 (1件)
IEICE Trans. INF. & SYST.
巻: E94-D ページ: 1610-1619
Adovances in Neuro-Information Processing, Lecture Notes in Computer Science
巻: 5507 ページ: 187-194
http://sunflower.edu.mie-u.ac.jp/~hagi