| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2008-06-27 15:35 バイナリニューラルネットワークのGAに基づく幾何学的学習法とその汎化能力について ○嶋田修平・中野秀洋・宮内 新（武蔵工大）  NC2008-27 |
|
| 抄録 | （和） | 本稿ではバイナリニューラルネットワーク（ＢＮＮ）のＧＡに基づく幾何学的学習法について議論する。 ＢＮＮを多クラス分類問題に適用するため、多ビット出力ＢＮＮに向けた２つの学習法を提案する。 一方は各クラスに対応する教師信号に対して並列的に学習を行う手法であり、もう一方は逐次的に学習を行う手法である。 基本的な多クラス分類問題を対象とした数値実験を行い、各手法について汎化能力や中間層ニューロン数などの学習性能の比較を行う。 |
| （英） | GA-based geometrical learning of Binary Neural Network (BNN) is discussed in this paper. To apply BNN to the multi class separation problems, we propose two learning methods for multi bit output BNN. The first method learns the teacher signals corresponding to each class in parallel. The second method learns them seqencially. Performing numerical experiments for a basic multi class separation problem, the leaning performances of the generalization capability and the number of hidden-layer neurons in each method are compared. |
|
| キーワード | （和） | バイナリニューラルネットワーク / 遺伝的アルゴリズム / 教師有り学習 / 幾何学的学習 / 汎化能力 / / / |
| （英） | Binary Neural Network / Genetic algorithm / Supervised learning / Geometrical learning / Generalization capability / / / | |
| 文献情報 | 信学技報, vol. 108, no. 101, NC2008-27, pp. 79-84, 2008年6月. | |
| 資料番号 | NC2008-27 | |
| 発行日 | 2008-06-19 (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 | NC2008-27 |
|
| 研究会情報 | |
| 研究会 | NC NLP |
| 開催期間 | 2008-06-26 - 2008-06-27 |
| 開催地（和） | 琉球大学 |
| 開催地（英） | University of the Ryukyus |
| テーマ（和） | 機械学習によるバイオデータマインニング・生命現象の非線形性，一般 |
| テーマ（英） | Machine Learning Approach to Biodata Mining and Nonlinearity in Biological Phenomena, and General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2008-06-NC-NLP |
| 本文の言語 | 日本語 |
| タイトル（和） | バイナリニューラルネットワークのGAに基づく幾何学的学習法とその汎化能力について |
| サブタイトル（和） | |
| タイトル（英） | GA-based geometrical learning of binary neural networks and its generalization capability |
| サブタイトル（英） | |
| キーワード(1)（和/英） | バイナリニューラルネットワーク / Binary Neural Network |
| キーワード(2)（和/英） | 遺伝的アルゴリズム / Genetic algorithm |
| キーワード(3)（和/英） | 教師有り学習 / Supervised learning |
| キーワード(4)（和/英） | 幾何学的学習 / Geometrical learning |
| キーワード(5)（和/英） | 汎化能力 / Generalization capability |
| 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） | 嶋田 修平 / Syuhei Shimada / シマダ シュウヘイ |
| 第1著者 所属（和/英） | 武蔵工業大学 (略称： 武蔵工大) Musashi Institute of Technology (略称： Musashi Inst. Tech.) |
| 第2著者 氏名（和/英/ヨミ） | 中野 秀洋 / Hidehiro Nakano / ナカノ ヒデヒロ |
| 第2著者 所属（和/英） | 武蔵工業大学 (略称： 武蔵工大) Musashi Institute of Technology (略称： Musashi Inst. Tech.) |
| 第3著者 氏名（和/英/ヨミ） | 宮内 新 / Arata Miyauchi / ミヤウチ アラタ |
| 第3著者 所属（和/英） | 武蔵工業大学 (略称： 武蔵工大) Musashi Institute of Technology (略称： Musashi Inst. Tech.) |
| 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： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2008-06-27 15:35:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2008-27 |
| 巻番号（vol） | vol.108 |
| 号番号（no） | no.101 |
| ページ範囲 | pp.79-84 |
| ページ数 | 6 |
| 発行日 | 2008-06-19 (NC) |
[研究会発表申込システムのトップページに戻る]