講演抄録/キーワード |
講演名 |
2008-01-16 13:30
適応型木構造SOMの提案と画像分類への応用 ○須藤一郎・湯野智己・田向 権・関根優年(東京農工大) NC2007-105 |
抄録 |
(和) |
従来のKohonenの自己組織化マップ(Standard-SOM)や,階層型SOMでは,
時間の経過で著しく変化する入力データには対応できない.
そこで,本稿では,動的に変化する高次元の入力に対応し,追加学習を可能にする適応型木構造SOM(以下ATSOM)を提案する.
ATSOMはSOMを内包するノードで構成された木構造をもち,下位のノードは上位のノードでフィルタリングされた条件付の入力のみを用いて学習する.
また,各ノードに入力データを貯めるバッファを設け,ノードはバッファのデータを用いたバッチ学習を行う.バッファの存在により,ツリーの各ノードは非同期的に学習を行うことができ,過学習や入力の大きな変化に柔軟に対応する.
%また,ノード間の関係を動的に再接続することで,過学習や入力の大きな変化に柔軟に対応する.
実験により,ATSOMが動的に変化する2次元の散布図の分類や,画像分類に利用できることを示した. |
(英) |
Generally, Standard-SOM or Tree Structured-SOM are not able to adapt in input data which has changed widely toward time's process.
To solve this problem, we propose ATSOM( Adaptive Tree Structured-SOM ) algorithm,
which adapts high dimensional inputs that is changing the whole time,
in other words, ATSOM can execute additional learning.
ATSOM is tree structures, which have nodes that represented by SOM,
which is learned by using only local training set, that given by high rank's father nodes.
Local training sets are kind of buffers, that save input data in each node,
and the nodes execute Batch Learning-SOM used buffer's data, every time.
By using buffer, each nodes of tree can learn asynchronously,
ATSOM can adapt to large changes of input data. |
キーワード |
(和) |
ニューラルネットワーク / 自己組織化マップ / 追加学習 / 階層型クラスタリング / 画像分類 / / / |
(英) |
Neural Network / Self-Organizing Map / Additional learning / Hierarchical Clustering / Image Classification / / / |
文献情報 |
信学技報, vol. 107, no. 413, NC2007-105, pp. 109-114, 2008年1月. |
資料番号 |
NC2007-105 |
発行日 |
2008-01-08 (NC) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
NC2007-105 |
|