| 講演名 | 2002/10/11 NNTreeの再学習によるサイズリダクション 竹田 隆治, 趙 強福, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 機械学習には大別して2通りのアプローチがある。判別木、ルールセットなどに代表される記号的手法とニューラルネットワークに代表される非記号的手法である。ニューラルネットワークツリー(NNTree)は両者の利点を組み合わせたシステムである。NNTreeのサイズはそれを構築するために用いるデータ数に比例することは実験により確認されている。従って、少ないデータを使えばサイズの小さいNNTreeが設計できる。しかし、データを減らすだけではシステムパフォーマンス(認識率など)の低下に繋がる。本研究ではNNTreeのサイズを縮小しつつパフォーマンスを保つためNNTreeの再学習に取り組む。 |
| 抄録(英) | There are mainly two approaches for machine learning. One is the symbolic approach and another is the non-symbolic approach. Decision tree (DT) is a typical model for symbolic learning, and neural network (NN) is the most popular model for non-symbolic learning. Neural network tree (NNTree) is a DT with each non-terminal node being an expert NN. NNTree is a learning model that may combine the advantages of both DT and NN. Through experiments we found that the size (number of nodes) of an NNTree is approximately proportional to the number of training data. Thus, we can reduce the tree size by using less training data. This, however, will also reduce the performance of the system. In this paper, we propose to reduce the size through training with partial data, and then compensate the reduction in performance through retraining. Using this method, it is possible to reduce the tree size and keep the the performance unchanged. |
| キーワード(和) | ニューラルネットワーク / 判別木 / 遺伝的アルゴリズム / ニューラルネットワークツリー |
| キーワード(英) | Neural network / decision tree / genetic algorithm / neural network tree |
| 資料番号 | PRMU2002-105 |
| 発行日 |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2002/10/11(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 | Pattern Recognition and Media Understanding (PRMU) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | NNTreeの再学習によるサイズリダクション |
| サブタイトル（和） | |
| タイトル（英） | Size Reduction of Neural Network Trees through Retraining |
| 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 network |
| キーワード(2)（和/英） | 判別木 / decision tree |
| キーワード(3)（和/英） | 遺伝的アルゴリズム / genetic algorithm |
| キーワード(4)（和/英） | ニューラルネットワークツリー / neural network tree |
| 第 1 著者 氏名（和/英） | 竹田 隆治 / Takaharu TAKEDA |
| 第 1 著者 所属（和/英） | 会津大学大学院コンピュータ理工学研究科 The University of Aizu Graduate School of Computer Science and Engineering |
| 第 2 著者 氏名（和/英） | 趙 強福 / Qiangfu ZHAO |
| 第 2 著者 所属（和/英） | 会津大学大学院コンピュータ理工学研究科 The University of Aizu Graduate School of Computer Science and Engineering |
| 発表年月日 | 2002/10/11 |
| 資料番号 | PRMU2002-105 |
| 巻番号（vol） | vol.102 |
| 号番号（no） | 380 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |