| 講演名 | 2007-03-14 フィードフォワードニューラルネットワークを用いたサポートベクタマシンのカーネル最適化 田村 震一, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | カーネルのパラメータ決定法を提案する。フィードフォワードニューラルネッワークが任意の連続関数を実現可能であることに着目し、与えられた学習データについてフィードフォワードニューラルネットワークの学習を行うことで最適な高次元空間への写像を推定する。推定した高次元空間への写像を理想的な写像と見なしカーネルにより陰に決定される高次元空間への写像が理想的な写像に近付くようにカーネルのパラメータを決定する。 |
| 抄録(英) | A novel approach to determining the optimal kernel parameters of Support Vector Machines is proposed. Based on the fact that a feed-forward neural network with infinitely many hidden units can realize any continuous mapping, an optimal mapping from the input space to a higher-dimensional space is estimated by neural network learning with a given learning input-output data. The kernel parameters of Support Vector Machines is determined using the criterion that the mapping determined implicitly by the kernel be as close as possible to the estimated mapping of a feed-forward neural network. |
| キーワード(和) | フィードフォワードニューラルネットワーク / サポートベクタマシン / カーネル |
| キーワード(英) | Feedforward neural network / Support Vector Machine / kernel |
| 資料番号 | NC2006-137 |
| 発行日 |
| 研究会情報 | |
| 研究会 | NC |
|---|---|
| 開催期間 | 2007/3/7(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） | フィードフォワードニューラルネットワークを用いたサポートベクタマシンのカーネル最適化 |
| サブタイトル（和） | |
| タイトル（英） | Optimization of the parameters of Support Vector Machines' kernels using feed-forward neural networks |
| サブタイトル（和） | |
| キーワード(1)（和/英） | フィードフォワードニューラルネットワーク / Feedforward neural network |
| キーワード(2)（和/英） | サポートベクタマシン / Support Vector Machine |
| キーワード(3)（和/英） | カーネル / kernel |
| 第 1 著者 氏名（和/英） | 田村 震一 / Shin'ichi TAMURA |
| 第 1 著者 所属（和/英） | (株)デンソー基礎研究所 Research Laboratories, DENSO CORPORATION |
| 発表年月日 | 2007-03-14 |
| 資料番号 | NC2006-137 |
| 巻番号（vol） | vol.106 |
| 号番号（no） | 588 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |