WEKO3
アイテム
ニューロンモデルに存在する双対性を利用したニューラルネットワークのための教師あり学習手法
https://nitech.repo.nii.ac.jp/records/5175
https://nitech.repo.nii.ac.jp/records/5175cfa6d5c6-4696-468c-84f0-3f472fc40d0d
名前 / ファイル | ライセンス | アクション |
---|---|---|
![]() |
Copyright(c)2004 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 | ニューロンモデルに存在する双対性を利用したニューラルネットワークのための教師あり学習手法 | |||||||||||||||||
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 | ニューロンモデル ニ ソンザイ スル ソウタイセイ オ リヨウ シタ ニューラル ネットワーク ノタメノ キョウシ アリ ガクシュウ シュホウ | |||||||||||||||||
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 Supervised Learning Method Using Duality in the Artificial Neuron Model | |||||||||||||||||
言語 | en | |||||||||||||||||
著者 |
山田, 樹一
× 山田, 樹一
× 黒柳, 奨
× 岩田, 彰
|
|||||||||||||||||
著者別名 | ||||||||||||||||||
姓名 | Kuroyanagi, Susumu | |||||||||||||||||
著者別名 | ||||||||||||||||||
姓名 | Iwata, Akira | |||||||||||||||||
bibliographic_information |
ja : 電子情報通信学会論文誌. D-2, 情報・システム. 2, パターン処理 巻 J87-D2, 号 2, p. 399-406, 発行日 2004-02-01 |
|||||||||||||||||
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 | AA11340957 | |||||||||||||||||
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 | 階層型のニューラルネットワークにおいて,外部から見えない隠れ層に対し教師あり学習を行う方法として一般的に誤差逆伝搬法が用いられている.しかし,この方法を適用するためにはニューロンモデルの出力関数が微分可能でなければならない.本論文では隠れ層ニューロンに対して教師あり学習を行うための方法として,出力層ニューロンに存在する結合重みの学習則と双対性を利用して隠れ層ニューロンに対する教師信号を計算する手法を提案する.この手法はニューロンモデルに双対性が存在すれば適用できるため,出力層,隠れ層ニューロンが微分可能である必要はない.誤差逆伝搬法が適用できない場合の例として出力関数がステップ関数であるニューロンで構成されるパーセプトロンに対して本手法を適用し,ネットワーク全体に対する学習則を得ることができた.また実際にXOR問題を学習させたところ,シグモイド関数を出力関数とするニューロンで構成されるパーセプトロンに対する誤差逆伝搬法と同等の学習成功率を得ることができた. | |||||||||||||||||
言語 | ja |