@article{oai:nitech.repo.nii.ac.jp:00004138,
 author = {堀田, 健一 and 岩田, 彰 and 松尾, 啓志 and 鈴村, 宣夫},
 issue = {3},
 journal = {電子情報通信学会論文誌. D-II, 情報・システム, II-情報処理},
 month = {Mar},
 note = {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．, application/pdf},
 pages = {545--553},
 title = {大規模ニューラルネット CombNET-II},
 volume = {J75-D2},
 year = {1992},
 yomi = {イワタ, アキラ and マツオ, ヒロシ}
}