| 講演抄録／キーワード |
| 講演名 |
2007-03-14 10:40
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（デンソー） |
| 抄録 |
（和） |
新しいカーネルのパラメータ決定手法を提案する。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。 |
| （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 / / / / / |
| （英） |
Feedforward neural network / Support Vector Machine / Kernel / / / / / |
| 文献情報 |
信学技報, vol. 106, no. 588, NC2006-137, pp. 115-120, 2007年3月. |
| 資料番号 |
NC2006-137 |
| 発行日 |
2007-03-07 (NC) |
| ISSN |
Print edition: ISSN 0913-5685 |
| PDFダウンロード |
|