| 講演名 | 2003/9/2 教師付き学習によるニューラルネットツリーの実時間学習の性能向上と効率化(一般セッション(6))(データマイニングとパターン認識・メディア理解) 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(DT)に代表される記号的手法とニューラルネットワーク(NN)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DTとNNのハイブリッドモデルである。NNTreeはNNと同様に再学習可能である。また、各ノートにあるNNの入力数を適切に制限すればNNTreeの解釈も容易となるので、NNTreeが学習と理解を統一するためのモデルとして期待される。本論文はNNTreeの実時間学習について検討し、成長型再学習の効率を上げる方法を提案する。提案する方法を用いれば、従来の方法より汎化能力が高く、規模が小さいNNTreeをより効率的に得られることを幾つかのパブリックデータベースで実証する。 |
| 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 a popular model for non-symbolic learning. Neural network tree (NNTree) is a hybrid model of DT and NN. An NNTree is on-line learnable because each non-terminal node is an NN. In addition, an NNTree is also interpretable if the number of inputs in each node is properly limited. Thus NNTree is considered as a good model for unifying both learning and understanding. In this paper, we study on-line learning of NNTrees, and propose a method for improving the efficacy and efficiency of on-line incremental learning. Through experiments with several publich databases we show that compared with existing methods, the proposed method can yield smaller NNTrees with higher performance, with less computational cost. |
| 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 / バックプロパゲーション |
| キーワード(英) | Neural network / decision tree / genetic algorithm / neural network tree / back propagation |
| 資料番号 | PRMU2003-106 |
| 発行日 |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2003/9/2(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） | 教師付き学習によるニューラルネットツリーの実時間学習の性能向上と効率化(一般セッション(6))(データマイニングとパターン認識・メディア理解) |
| サブタイトル（和） | |
| タイトル（英） | Improving the Efficacy and Efficiency of On-line Learning of Neural Network Trees Using Supervised Learning |
| 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 |
| キーワード(5)（和/英） | バックプロパゲーション / back propagation |
| 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 | 2003/9/2 |
| 資料番号 | PRMU2003-106 |
| 巻番号（vol） | vol.103 |
| 号番号（no） | 296 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |