| 講演抄録／キーワード |
| 講演名 |
2005-12-09 15:45
Non-linear gating network for the large scale classification model CombNET-II
○Mauricio Kugler・Toshiyuki Miyatani・Susumu Kuroyanagi・Akira Iwata（Nagoya Inst. of Tech.） |
| 抄録 |
（和） |
我々の提案する大規模汎用パターン認識モデルCombNET-II においては詳細識別ネットワーク(branch network) の数が増えた場合には、大分類ネットワーク(stem network) の分類性能がボトルネックとなっていた。この原因としてstem network の分離平面が参照ベクトルによるボロノイ境界と成っていることがあげられる。そこで本稿では大分類領域間の複雑な境界を学習により形成し、かつ各領域における所属サンプル数のバランスを維持可能な非線形大分類ニューラルネットワークをCombNET-II に適用することを提案し、その有効性について報告する。 |
| （英） |
The linear gating classifier (stem network) of the large scale model CombNET-II had been always the limitation factor for increasing the number of expert classifiers (branch networks). The linear boundaries between its clusters cause a rapidly decrease of the performance with the increase of the number of clusters and, consequently, impairing the whole structure performance. This work proposes the use of a non-linear classifier to learn the complex boundaries between the clusters, increasing the gating performance while keeping the balanced split of samples produced by the original sequential clustering algorithm. The experiments showed that, for some problems, the proposed model overcomes even the monolithic classifier. |
| キーワード |
（和） |
大規模パターン分類問題 / 分割統治法 / 大分類ネットワーク / 逐次分類 / / / / |
| （英） |
large scale classification problems / divide-and-conquer / gating network / sequential clustering / / / / |
| 文献情報 |
信学技報, vol. 105, no. 457, NC2005-87, pp. 37-42, 2005年12月. |
| 資料番号 |
NC2005-87 |
| 発行日 |
2005-12-02 (NC) |
| ISSN |
Print edition: ISSN 0913-5685 |
| PDFダウンロード |
|