| 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 | 2017-06-23 16:00 ニューラルネットを用いた関数近似器の冗長次元に対するロバスト性の解析 ○染野翔一・丹野智博・堀江和正・井澤 淳・市場知樹・森田昌彦（筑波大）  NC2017-8 |
|
| 抄録 | （和） | 関数近似問題において，出力に関係しない冗長次元が関数の近似精度を低下させることが知られている． しかし，どの近似器がどの程度冗長次元の影響を受けるのかは定かではない． 本研究では，冗長次元を持つ関数近似問題を対象とした数値実験を通じて，ニューラルネットを用いた複数の近似器の冗長次元に対するロバスト性の比較を行った． その結果，パターンコーディングを行った並列パーセプトロンが，冗長次元による近似精度の低下が特に小さく，さらに，特定の条件下では出力に影響を及ぼすような部分的冗長次元に対しても精度良く近似することができた． また冗長次元に対するロバスト性が高いだけでなく，冗長次元の特定に貢献できる可能性が示唆された． |
| （英） | Redundant input dimensions that are not related to the output are known to lower the approximate accuracy of function approximators, but it is unclear which approximator is especially sensitive or robust to them. The present study compared the robustness of several neural network based approximators against redundant dimensions through numerical experiments on several simple fuinction approximation tasks. As a result, the approximator based on the method of pattern coding and the network of parallel perceptron was robust not only to redundant dimensions but also to partly-redundant dimensions that are not completely redundant but partly relevant to the output. Furthermore, the results implied that this approximator may be able to contribute to specify which input dimensions are redundant. | |
| キーワード | （和） | 関数近似 / ニューラルネット / 冗長次元 / パターンコーディング / 並列パーセプトロン / / / |
| （英） | Function approximation / Neural network / Redundant dimension / Pattern coding / Parallel perceptron / / / | |
| 文献情報 | 信学技報, vol. 117, no. 109, NC2017-8, pp. 21-26, 2017年6月. | |
| 資料番号 | NC2017-8 | |
| 発行日 | 2017-06-16 (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 | NC2017-8 |
|
| 研究会情報 | |
| 研究会 | NC IPSJ-BIO IBISML IPSJ-MPS |
| 開催期間 | 2017-06-23 - 2017-06-25 |
| 開催地（和） | 沖縄科学技術大学院大学 |
| 開催地（英） | Okinawa Institute of Science and Technology |
| 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 | 2017-06-NC-BIO-IBISML-MPS |
| 本文の言語 | 日本語 |
| タイトル（和） | ニューラルネットを用いた関数近似器の冗長次元に対するロバスト性の解析 |
| サブタイトル（和） | |
| タイトル（英） | Analysis of Robustness of Approximators Based on Neural Networks Against Redundant Dimensions |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 関数近似 / Function approximation |
| キーワード(2)（和/英） | ニューラルネット / Neural network |
| キーワード(3)（和/英） | 冗長次元 / Redundant dimension |
| キーワード(4)（和/英） | パターンコーディング / Pattern coding |
| キーワード(5)（和/英） | 並列パーセプトロン / Parallel perceptron |
| 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） | 染野 翔一 / Shoichi Someno / ソメノ ショウイチ |
| 第1著者 所属（和/英） | 筑波大学 (略称： 筑波大) Tsukuba University (略称： Tsukuba Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 丹野 智博 / Tomohiro Tanno / タンノ トモヒロ |
| 第2著者 所属（和/英） | 筑波大学 (略称： 筑波大) Tsukuba University (略称： Tsukuba Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 堀江 和正 / Kazumasa Horie / ホリエ カズマサ |
| 第3著者 所属（和/英） | 筑波大学 (略称： 筑波大) Tsukuba University (略称： Tsukuba Univ.) |
| 第4著者 氏名（和/英/ヨミ） | 井澤 淳 / Jun Izawa / イザワ ジュン |
| 第4著者 所属（和/英） | 筑波大学 (略称： 筑波大) Tsukuba University (略称： Tsukuba Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 市場 知樹 / Tomoki Ichiba / イチバ トモキ |
| 第5著者 所属（和/英） | 筑波大学 (略称： 筑波大) Tsukuba University (略称： Tsukuba Univ.) |
| 第6著者 氏名（和/英/ヨミ） | 森田 昌彦 / Masahiko Morita / モリタ マサヒコ |
| 第6著者 所属（和/英） | 筑波大学 (略称： 筑波大) Tsukuba University (略称： Tsukuba Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2017-06-23 16:00:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2017-8 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | no.109 |
| ページ範囲 | pp.21-26 |
| ページ数 | 6 |
| 発行日 | 2017-06-16 (NC) |
[研究会発表申込システムのトップページに戻る]