| 講演名 | 2002/12/6 可変結合荷重を有するニューラルネットワークと関数近似への応用 香林 誠, 中山 謙二, 平野 晃宏, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 入力が線形結合であるニューロンによる境界面は超平面である。階層形ニューラルネットワーク(NN)は多くの超平面を組み合わせて複雑な分離境界面を形成する。本稿では,入力の線形結合におけるバイアスからの結合荷重を入力により可変することにより,1個のニューロンによる境界面を超曲面とする方法を提案する。この結合荷重を有する結合荷重可変形NNに対して多段学習法を提案した。初期学習として,固定結合荷重による学習を行い,その結果を用いて可変結合荷重の学習を行う。最後に同時学習を行う。学習アルゴリズムは基本的に誤差逆伝播法である。シミュレーションの結果,提案した結合荷重可変形NNは少ないニューロン数で複雑な関数を近似することができた。 |
| 抄録(英) | Boundary surface of a neuron with a linear combination of inputs is a hyper-plane. Multilayer neural networks (NN) usually compose many the hyper-planes, and form a complicated boundary. In this paper, a variable connection weight is proposed. In the linear combination of the inputs, the connection weight from the bias to the neuron is controlled by the input. A single neuron with this variable connection weight can form a curved surface boundary. A multi-stage learning algorithm is proposed for the NN with the variable connection weights. In the first step, the NN with the normal connection weights, which are not controlled by the inputs, is trained. Next,the variable connection weights are adjusted using the back-propagated error. Finally, both connection weights are simultaneously trained. The learning is based on the error back-propagation algorithm. Simulation results show the proposed NN can approximate complicated functions using a small number of neurons. |
| キーワード(和) | ニューラルネットワーク / 境界面 / 可変結合荷重 / 学習 / 関数近似 |
| キーワード(英) | Neural networks / Boundary surface / Variable connection weights / Learning / Function approximation |
| 資料番号 | NC2002-96 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2002/12/6(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Neurocomputing (NC) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 可変結合荷重を有するニューラルネットワークと関数近似への応用 |
| サブタイトル（和） | |
| タイトル（英） | A Neural Network With Variable Connection Weights and Its Application to Function Approximation |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ニューラルネットワーク / Neural networks |
| キーワード(2)（和/英） | 境界面 / Boundary surface |
| キーワード(3)（和/英） | 可変結合荷重 / Variable connection weights |
| キーワード(4)（和/英） | 学習 / Learning |
| キーワード(5)（和/英） | 関数近似 / Function approximation |
| 第 1 著者 氏名（和/英） | 香林 誠 / Makoto KOURIN |
| 第 1 著者 所属（和/英） | 金沢大学大学院自然科学研究科 Division of Electironics and Computer Science, Graduate School of Natural Science and Technology Kanazawa University |
| 第 2 著者 氏名（和/英） | 中山 謙二 / Kenji NAKAYAMA |
| 第 2 著者 所属（和/英） | 金沢大学工学部情報システム工学科 Dept. of Information and Systems Eng. Faculty of Eng. Kanazawa University |
| 第 3 著者 氏名（和/英） | 平野 晃宏 / Akihiro HIRANO |
| 第 3 著者 所属（和/英） | 金沢大学工学部情報システム工学科 Dept. of Information and Systems Eng. Faculty of Eng. Kanazawa University |
| 発表年月日 | 2002/12/6 |
| 資料番号 | NC2002-96 |
| 巻番号（vol） | vol.102 |
| 号番号（no） | 508 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |