| 講演名 | 1994/3/25 最適汎化ニューラルネットワークの誤差最小構成法 小川 英光, 船田 純一, |
|---|---|
| PDFダウンロードページ | PDFダウンロードページへ |
| 抄録(和) | 我々が層状パ-セプトロンの学習に期待することは,与えられた訓練デ-タから汎化により本来の関数にできるだけ近い入出力関係を求めることである.これまでの研究で,本来の関数がわからないにもかかわらず,その関数の最良近似を与える射影汎化ニュ-ラルネットワ-クを実現する方法が明らかになっている.また,そのようなニュ-ラルネットワ-クが多数存在していることも示されている.そこで本論文では,その自由度を利用して,最適汎化能力を保ちながらニュ-ラルネットワ-ク内に生じる誤差の影響を最も抑制できる構成法を与えることにする. |
| 抄録(英) | The task required of a Multilayer Perceptron can be summarised as an optimal approximation of the original function from the set of sampled data,incorporating the concept of generalization ability.Based on previous research,it has been shown that even if the original function is not known,it′s best approximation can be computed using the technique namely Projection Generalizing Neural Network(PGNN).However,using the above technique,we obtain a family of NNs realizing the same goal.In this paper,an effort has been made to exploit this existing degree of freedom.While maintaining the optimal generalizing abilty of the net,a method of generating a NN which is least susceptible to errors in the connection weights is theorized. |
| キーワード(和) | 多層パ-セプトロン / 汎化 / 射影学習 / 射影汎化ニュ-ラルネットワ-ク / PGNN / 最小誤差構成法 |
| キーワード(英) | multilayer perceptron / generalization / projection learning / projection generalizing heural network / PGNN / minimum error realization |
| 資料番号 | NC93-127 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 1994/3/25(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） | 最適汎化ニューラルネットワークの誤差最小構成法 |
| サブタイトル（和） | |
| タイトル（英） | A realization method of otimally generalizing neural network based on error minimization |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 多層パ-セプトロン / multilayer perceptron |
| キーワード(2)（和/英） | 汎化 / generalization |
| キーワード(3)（和/英） | 射影学習 / projection learning |
| キーワード(4)（和/英） | 射影汎化ニュ-ラルネットワ-ク / projection generalizing heural network |
| キーワード(5)（和/英） | PGNN / PGNN |
| キーワード(6)（和/英） | 最小誤差構成法 / minimum error realization |
| 第 1 著者 氏名（和/英） | 小川 英光 / Hidemitsu Ogawa |
| 第 1 著者 所属（和/英） | 東京工業大学工学部情報工学科 Department of Computer Science,Faculty of Engineering,Tokyo Institute of Technology |
| 第 2 著者 氏名（和/英） | 船田 純一 / Jun-ichi Funada |
| 第 2 著者 所属（和/英） | 東京工業大学工学部情報工学科 Department of Computer Science,Faculty of Engineering,Tokyo Institute of Technology |
| 発表年月日 | 1994/3/25 |
| 資料番号 | NC93-127 |
| 巻番号（vol） | vol.93 |
| 号番号（no） | 537 |
| ページ範囲 | pp.- |
| ページ数 | 8 |
| 発行日 | |