WEKO3
アイテム
大規模ニューラルネット CombNET-II
https://nitech.repo.nii.ac.jp/records/4138
https://nitech.repo.nii.ac.jp/records/41385f23ec40-1033-43b7-aa6d-da4737a714ce
名前 / ファイル | ライセンス | アクション |
---|---|---|
![]() |
Copyright(c)1992 IEICE http://search.ieice.org/index.html
|
Item type | 学術雑誌論文 / Journal Article(1) | |||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
公開日 | 2012-11-07 | |||||||||||||||||||
タイトル | ||||||||||||||||||||
タイトル | 大規模ニューラルネット CombNET-II | |||||||||||||||||||
言語 | ja | |||||||||||||||||||
言語 | ||||||||||||||||||||
言語 | jpn | |||||||||||||||||||
資源タイプ | ||||||||||||||||||||
資源タイプ識別子 | http://purl.org/coar/resource_type/c_6501 | |||||||||||||||||||
資源タイプ | journal article | |||||||||||||||||||
その他(別言語等)のタイトル | ||||||||||||||||||||
その他のタイトル | ダイキボ ニューラルネット Comb NET-II | |||||||||||||||||||
言語 | ja-Kana | |||||||||||||||||||
その他(別言語等)のタイトル | ||||||||||||||||||||
その他のタイトル | A Large Scale Neural Network CombNET-II | |||||||||||||||||||
言語 | en | |||||||||||||||||||
著者 |
堀田, 健一
× 堀田, 健一
× 岩田, 彰
× 松尾, 啓志
× 鈴村, 宣夫
|
|||||||||||||||||||
著者別名 | ||||||||||||||||||||
姓名 | Iwata, Akira | |||||||||||||||||||
著者別名 | ||||||||||||||||||||
姓名 | Matsuo, Hiroshi | |||||||||||||||||||
bibliographic_information |
ja : 電子情報通信学会論文誌. D-II, 情報・システム, II-情報処理 巻 J75-D2, 号 3, p. 545-553, 発行日 1992-03-20 |
|||||||||||||||||||
出版者 | ||||||||||||||||||||
出版者 | Institute of Electronics, Information and Communication Engineers | |||||||||||||||||||
言語 | en | |||||||||||||||||||
ISSN | ||||||||||||||||||||
収録物識別子タイプ | ISSN | |||||||||||||||||||
収録物識別子 | 0915-1923 | |||||||||||||||||||
item_10001_source_id_32 | ||||||||||||||||||||
収録物識別子タイプ | NCID | |||||||||||||||||||
収録物識別子 | AN1007132X | |||||||||||||||||||
出版タイプ | ||||||||||||||||||||
出版タイプ | VoR | |||||||||||||||||||
出版タイプResource | http://purl.org/coar/version/c_970fb48d4fbd8a85 | |||||||||||||||||||
内容記述 | ||||||||||||||||||||
内容記述タイプ | Other | |||||||||||||||||||
内容記述 | 一般にニューラルネットが大規模になると,結合数が急速に増加し,また学習の収束が困難になるなどさまざまな問題が生じる.これを改善するために我々は,ベクトル量子化ニューラルネットと階層型ニューラルネットを組み合せたCombNETと名づけたネットワークモデルを提案している.しかし,前段のベクトル量子化ニューラルネットにおけるカテゴリーの大分類が均等にならないという問題が生じた.本論文ではこの問題を解決する手法として,自己増殖型ニューラルネットと呼ぶベクトル量子化ニューラルネットを考案し,このネットワークを適用したCombNET- IIを提案する.このネットワークの利点は二つある.まず第1に,前段で各グループに属するカテゴリーがほぼ均等になるように分割されることである.また第2には,分類するカテゴリーの増減にニューロンの数を柔軟に対応させて変化する点にある.今回はこのCombNET-IIをJIS第1,2水準印刷漢字の識別に適用し,前段における大分類の様子,カテゴリー数の変動に対する能力および識別率の検証を行った. | |||||||||||||||||||
言語 | ja |