講演名 2008-06-27
バイナリニューラルネットワークのGAに基づく幾何学的学習法とその汎化能力について(一般,機械学習によるバイオデータマインニング・生命現象の非線形性,一般)
嶋田 修平, 中野 秀洋, 宮内 新,
PDFダウンロードページ PDFダウンロードページへ
抄録(和) 本稿ではバイナリニューラルネットワーク(BNN)のGAに基づく幾何学的学習法について議論する。BNNを多クラス分類問題に適用するため、多ビット出力BNNに向けた2つの学習法を提案する。一方は各クラスに対応する教師信号に対して並列的に学習を行う手法であり、もう一方は逐次的に学習を行う手法である。基本的な多クラス分類問題を対象とした数値実験を行い、各手法について汎化能力や中間層ニューロン数などの学習性能の比較を行う。
抄録(英) GA-based geometrical learning of Binary Neural Network (BNN) is discussed in this paper. To apply BNN to the multi class separation problems, we propose two learning methods for multi bit output BNN. The first method learns the teacher signals corresponding to each class in parallel. The second method learns them seqencially. Performing numerical experiments for a basic multi class separation problem, the leaning performances of the generalization capability and the number of hidden-layer neurons in each method are compared.
キーワード(和) バイナリニューラルネットワーク / 遺伝的アルゴリズム / 教師有り学習 / 幾何学的学習 / 汎化能力
キーワード(英) Binary Neural Network / Genetic algorithm / Supervised learning / Geometrical learning / Generalization capability
資料番号 NC2008-27
発行日

研究会情報
研究会 NC
開催期間 2008/6/19(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) バイナリニューラルネットワークのGAに基づく幾何学的学習法とその汎化能力について(一般,機械学習によるバイオデータマインニング・生命現象の非線形性,一般)
サブタイトル(和)
タイトル(英) GA-based geometrical learning of binary neural networks and its generalization capability
サブタイトル(和)
キーワード(1)(和/英) バイナリニューラルネットワーク / Binary Neural Network
キーワード(2)(和/英) 遺伝的アルゴリズム / Genetic algorithm
キーワード(3)(和/英) 教師有り学習 / Supervised learning
キーワード(4)(和/英) 幾何学的学習 / Geometrical learning
キーワード(5)(和/英) 汎化能力 / Generalization capability
第 1 著者 氏名(和/英) 嶋田 修平 / Syuhei SHIMADA
第 1 著者 所属(和/英) 武蔵工業大学
Musashi Institute of Technology
第 2 著者 氏名(和/英) 中野 秀洋 / Hidehiro NAKANO
第 2 著者 所属(和/英) 武蔵工業大学
Musashi Institute of Technology
第 3 著者 氏名(和/英) 宮内 新 / Arata MIYAUCHI
第 3 著者 所属(和/英) 武蔵工業大学
Musashi Institute of Technology
発表年月日 2008-06-27
資料番号 NC2008-27
巻番号(vol) vol.108
号番号(no) 101
ページ範囲 pp.-
ページ数 6
発行日