講演名 2017-06-23
ニューラルネットを用いた関数近似器の冗長次元に対するロバスト性の解析
染野 翔一(筑波大), 丹野 智博(筑波大), 堀江 和正(筑波大), 井澤 淳(筑波大), 市場 知樹(筑波大), 森田 昌彦(筑波大),
PDFダウンロードページ PDFダウンロードページへ
抄録(和) 関数近似問題において,出力に関係しない冗長次元が関数の近似精度を低下させることが知られている.しかし,どの近似器がどの程度冗長次元の影響を受けるのかは定かではない.本研究では,冗長次元を持つ関数近似問題を対象とした数値実験を通じて,ニューラルネットを用いた複数の近似器の冗長次元に対するロバスト性の比較を行った.その結果,パターンコーディングを行った並列パーセプトロンが,冗長次元による近似精度の低下が特に小さく,さらに,特定の条件下では出力に影響を及ぼすような部分的冗長次元に対しても精度良く近似することができた.また冗長次元に対するロバスト性が高いだけでなく,冗長次元の特定に貢献できる可能性が示唆された.
抄録(英) Redundant input dimensions that are not related to the output are known to lower the approximate accuracy of function approximators, but it is unclear which approximator is especially sensitive or robust to them. The present study compared the robustness of several neural network based approximators against redundant dimensions through numerical experiments on several simple fuinction approximation tasks. As a result, the approximator based on the method of pattern coding and the network of parallel perceptron was robust not only to redundant dimensions but also to partly-redundant dimensions that are not completely redundant but partly relevant to the output. Furthermore, the results implied that this approximator may be able to contribute to specify which input dimensions are redundant.
キーワード(和) 関数近似 / ニューラルネット / 冗長次元 / パターンコーディング / 並列パーセプトロン
キーワード(英) Function approximation / Neural network / Redundant dimension / Pattern coding / Parallel perceptron
資料番号 NC2017-8
発行日 2017-06-16 (NC)

研究会情報
研究会 NC / IPSJ-BIO / IBISML / IPSJ-MPS
開催期間 2017/6/23(から3日開催)
開催地(和) 沖縄科学技術大学院大学
開催地(英) Okinawa Institute of Science and Technology
テーマ(和) 機械学習によるバイオデータマインニング、一般
テーマ(英) Machine Learning Approach to Biodata Mining, and General
委員長氏名(和) 萩原 将文(慶大) / / 福水 健次(統計数理研)
委員長氏名(英) Masafumi Hagiwara(Keio Univ.) / / Kenji Fukumizu(ISM)
副委員長氏名(和) 平田 豊(中部大) / / 杉山 将(東大)
副委員長氏名(英) Yutaka Hirata(Chubu Univ.) / / Masashi Sugiyama(Univ. of Tokyo)
幹事氏名(和) 青西 亨(東工大) / 吉川 大弘(名大) / / 鹿島 久嗣(京大) / 津田 宏治(東大)
幹事氏名(英) Toru Aonishi(Tokyo Inst. of Tech.) / Tomohiro Yoshikawa(Nagoya Univ.) / / Hisashi Kashima(Kyoto Univ.) / Koji Tsuda(Univ. of Tokyo)
幹事補佐氏名(和) 篠沢 佳久(慶大) / 稲垣 圭一郎(中部大) / / 竹内 一郎(名工大) / 神嶌 敏弘(産総研)
幹事補佐氏名(英) Yoshihisa Shinozawa(Keio Univ.) / Keiichiro Inagaki(Chubu Univ.) / / Ichiro Takeuchi(Nagoya Inst. of Tech.) / Toshihiro Kamishima(AIST)

講演論文情報詳細
申込み研究会 Technical Committee on Neurocomputing / Special Interest Group on Bioinformatics and Genomics / Technical Committee on Infomation-Based Induction Sciences and Machine Learning / Special Interest Group on Mathematical Modeling and Problem Solving
本文の言語 JPN
タイトル(和) ニューラルネットを用いた関数近似器の冗長次元に対するロバスト性の解析
サブタイトル(和)
タイトル(英) Analysis of Robustness of Approximators Based on Neural Networks Against Redundant Dimensions
サブタイトル(和)
キーワード(1)(和/英) 関数近似 / Function approximation
キーワード(2)(和/英) ニューラルネット / Neural network
キーワード(3)(和/英) 冗長次元 / Redundant dimension
キーワード(4)(和/英) パターンコーディング / Pattern coding
キーワード(5)(和/英) 並列パーセプトロン / Parallel perceptron
第 1 著者 氏名(和/英) 染野 翔一 / Shoichi Someno
第 1 著者 所属(和/英) 筑波大学(略称:筑波大)
Tsukuba University(略称:Tsukuba Univ.)
第 2 著者 氏名(和/英) 丹野 智博 / Tomohiro Tanno
第 2 著者 所属(和/英) 筑波大学(略称:筑波大)
Tsukuba University(略称:Tsukuba Univ.)
第 3 著者 氏名(和/英) 堀江 和正 / Kazumasa Horie
第 3 著者 所属(和/英) 筑波大学(略称:筑波大)
Tsukuba University(略称:Tsukuba Univ.)
第 4 著者 氏名(和/英) 井澤 淳 / Jun Izawa
第 4 著者 所属(和/英) 筑波大学(略称:筑波大)
Tsukuba University(略称:Tsukuba Univ.)
第 5 著者 氏名(和/英) 市場 知樹 / Tomoki Ichiba
第 5 著者 所属(和/英) 筑波大学(略称:筑波大)
Tsukuba University(略称:Tsukuba Univ.)
第 6 著者 氏名(和/英) 森田 昌彦 / Masahiko Morita
第 6 著者 所属(和/英) 筑波大学(略称:筑波大)
Tsukuba University(略称:Tsukuba Univ.)
発表年月日 2017-06-23
資料番号 NC2017-8
巻番号(vol) vol.117
号番号(no) NC-109
ページ範囲 pp.21-26(NC),
ページ数 6
発行日 2017-06-16 (NC)