講演抄録/キーワード |
講演名 |
2017-10-07 15:40
適応型近傍関数を用いた自己組織化マップの学習特性 ○吉見 光・伊藤秀隆・肥川宏臣(関西大) NC2017-23 |
抄録 |
(和) |
本論文は,T. Kohonenの提案した自己組織化マップ(Self-organizing Map:SOM)の新たな近傍関数について述べる.SOMは教師なし学習を行うニューラルネットワークの1つであり,SOMにおける近傍関数はSOMの学習パフォーマンスに大きな影響を与える重要な関数である.従来の近傍関数は学習を重ねるごとに小さくなるため大きな入力の変化に対して適切に学習できず,また,あらかじめ設定された学習回数を過ぎると学習できないという問題がある.本論文で提案する適応型近傍関数は勝者ニューロンの重みベクトルと入力ベクトルの距離だけを用いて計算されるため,大きな入力の変化に対して適切な学習を行うことができ,学習回数を制限されることなく連続して学習を行うことが可能である.また,初期重みベクトルに対してロバスト性を持つことを確認する. |
(英) |
This paper proposes a new neighborhood function for the self-organizing map(SOM).As the learning of the SOM progresses, the conventional neighborhood function shrinks its magnitude and neighborhood radius, and the learning stops after pre-defined training iterations.On the other hand, the proposed neighborhood function uses only the distance between the weight vector of the winner neuron and the input vector,then the magnitude and radius are computed according to this distance. Since the proposed neighborhood function is not a function of the learning iterations, it allows the SOM to continue its learning without time constraints. This feature is especially effective under the changing input vector space that arises in, e.g., online learning. |
キーワード |
(和) |
ニューラルネットワーク / 自己組織化マップ / 近傍関数 / / / / / |
(英) |
Neural network / Self-organizing map / Neighborhood function / / / / / |
文献情報 |
信学技報, vol. 117, no. 231, NC2017-23, pp. 19-24, 2017年10月. |
資料番号 |
NC2017-23 |
発行日 |
2017-09-30 (NC) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2017-23 |
研究会情報 |
研究会 |
MBE NC |
開催期間 |
2017-10-07 - 2017-10-07 |
開催地(和) |
大阪電気通信大学 |
開催地(英) |
Osaka Electro-Communication University |
テーマ(和) |
ME,一般 |
テーマ(英) |
ME, general |
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2017-10-MBE-NC |
本文の言語 |
日本語 |
タイトル(和) |
適応型近傍関数を用いた自己組織化マップの学習特性 |
サブタイトル(和) |
|
タイトル(英) |
Learning Characteristics of Self-Organizing Map with Adaptive Neighborhood Function |
サブタイトル(英) |
|
キーワード(1)(和/英) |
ニューラルネットワーク / Neural network |
キーワード(2)(和/英) |
自己組織化マップ / Self-organizing map |
キーワード(3)(和/英) |
近傍関数 / Neighborhood function |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
吉見 光 / Hikari Yoshimi / ヨシミ ヒカリ |
第1著者 所属(和/英) |
関西大学 (略称: 関西大)
Kansai University (略称: Kansai Univ.) |
第2著者 氏名(和/英/ヨミ) |
伊藤 秀隆 / Hidetaka Ito / イトウ ヒデタカ |
第2著者 所属(和/英) |
関西大学 (略称: 関西大)
Kansai University (略称: Kansai Univ.) |
第3著者 氏名(和/英/ヨミ) |
肥川 宏臣 / Hiroomi Hikawa / ヒカワ ヒロオミ |
第3著者 所属(和/英) |
関西大学 (略称: 関西大)
Kansai University (略称: Kansai Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2017-10-07 15:40:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NC2017-23 |
巻番号(vol) |
vol.117 |
号番号(no) |
no.231 |
ページ範囲 |
pp.19-24 |
ページ数 |
6 |
発行日 |
2017-09-30 (NC) |