| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2011-06-24 14:15 選択的不感化ニューラルネットの2変数関数の近似能力 ○野中和明・田中文英・森田昌彦（筑波大）  NC2011-14 |
|
| 抄録 | （和） | 選択的不感化ニューラルネット（SDNN）は，先行研究において関数近似器として高い性能を有することが示されていたが，その詳しい解析はおこなわれていなかった．本研究では，多層パーセプトロン（MLP）および並列パーセプトロン（PP）との比較を通して，SDNNの関数近似能力を明らかにするために，やや複雑な2変数関数を用いて評価実験を行った．その結果，学習能力や汎化能力を含めた近似能力はSDNNが最も高く，計算コストなどの実用性の点でも優れていた．また，SDNNの優れた性能には，アナログ値を多数の素子によって表現するパターンコーディングと，複数のパターン表現を統合する選択的不感化が共に大きく貢献していることがわかった．この結果はSDNNが高い有用性をもつことを示しており，これによってニューラルネットの応用範囲が大きく広がる可能性がある． |
| （英） | Selective Desensitization Neural Network (SDNN) is known to be able to approximate some functions well with high generalization capability. But, still it is unclear about the detailed mechanism. We compared three function approximators, multi-layer perceptron (MLP), parallel perceptron (PP), and SDNN in numerical experiments of approximating a two-variable function. The results showed that SDNN offered the best performance in the approximation ability including learning ability and generalization ability, and also in other practical aspects such as low computational cost. Introducing pattern coding and selective desensitization are considered to contribute to the high performance of SDNN. These findings will greatly expand the application of neural networks. | |
| キーワード | （和） | 神経回路 / 機械学習 / 汎化能力 / 近似誤差 / 分散表現 / / / |
| （英） | Neural Network / Machine Learning / Generalization Ability / Approximation Error / Distributed Representation / / / | |
| 文献情報 | 信学技報, vol. 111, no. 96, NC2011-14, pp. 113-118, 2011年6月. | |
| 資料番号 | NC2011-14 | |
| 発行日 | 2011-06-16 (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 | NC2011-14 |
|
| 研究会情報 | |
| 研究会 | NC IPSJ-BIO |
| 開催期間 | 2011-06-23 - 2011-06-24 |
| 開催地（和） | 琉球大学 50周年記念館 |
| 開催地（英） | 50th Anniversary Memorial Hall, University of the Ryukyus |
| テーマ（和） | 機械学習によるバイオデータマインニング,一般 |
| テーマ（英） | Machine Learning Approach to Biodata Mining, and General |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2011-06-NC-BIO |
| 本文の言語 | 日本語 |
| タイトル（和） | 選択的不感化ニューラルネットの2変数関数の近似能力 |
| サブタイトル（和） | |
| タイトル（英） | The Capability of Selective Desensitization Neural Networks at Two-Variable Function Approximation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 神経回路 / Neural Network |
| キーワード(2)（和/英） | 機械学習 / Machine Learning |
| キーワード(3)（和/英） | 汎化能力 / Generalization Ability |
| キーワード(4)（和/英） | 近似誤差 / Approximation Error |
| キーワード(5)（和/英） | 分散表現 / Distributed Representation |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 野中 和明 / Kazuaki Nonaka / ノナカ カズアキ |
| 第1著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Tsukuba Univ) |
| 第2著者 氏名（和/英/ヨミ） | 田中 文英 / Fumihide Tanaka / タナカ フミヒデ |
| 第2著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Tsukuba Univ) |
| 第3著者 氏名（和/英/ヨミ） | 森田 昌彦 / Masahiko Morita / モリタ マサヒコ |
| 第3著者 所属（和/英） | 筑波大学 (略称： 筑波大) University of Tsukuba (略称： Tsukuba Univ) |
| 講演者 | 第1著者 |
| 発表日時 | 2011-06-24 14:15:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2011-14 |
| 巻番号（vol） | vol.111 |
| 号番号（no） | no.96 |
| ページ範囲 | pp.113-118 |
| ページ数 | 6 |
| 発行日 | 2011-06-16 (NC) |
[研究会発表申込システムのトップページに戻る]