講演抄録/キーワード |
講演名 |
2023-03-15 11:20
高次元耐性のあるSOINN空間の最適化手法の提案 ○高萩 悠・土田悠介・山内ゆかり(日大) NC2022-112 |
抄録 |
(和) |
山崎らは,自己増殖型ニューラルネットワーク(Self-Organizing Incremental Neural Network:SOINN)と呼ばれる学習手法を提起した.この手法はネットワークを動的に構築するオンライン学習手法であり,サンプルを逐次的に学習する.しかし,SOINNは高次元データにおいてノイズ耐性を維持しつつ多様な特徴を保持することが困難である.具体的には,特徴のあるノードが削除されてしまう,無駄なノードが挿入されてしまう,あいまいなノードが生成されてしまうことが挙げられる.そこで本研究では,複雑ネットワークのネットワーク構成モデルからノードやエッジの再構成手法を取り入れる.また,無駄なノードの挿入を防ぐために閾値領域の拡大をすることでSOINN空間の安定性と識別率の向上を目指す.実験ではMNIST文字認識問題で識別率およびノード数の推移を比較し,提案手法の有効性を確かめる. |
(英) |
Yamazaki et al. proposed a learning method called Self-Organizing Incremental Neural Network (SOINN). This method is an online learning method that dynamically constructs a network and learns samples sequentially. However, it is difficult for SOINN to retain a variety of features in high-dimensional data while maintaining noise tolerance. Specifically, some of the features are deleted, unnecessary nodes are inserted, and ambiguous nodes are generated. Therefore, this study incorporates node and edge reconfiguration methods from the network configuration model of Complex Network. In addition, we aim to improve the stability of the SOINN space and identification rate by expanding the threshold region to prevent unnecessary node insertion. In the experiments, we compare the identification rate and the number of nodes on the MNIST character recognition problem to confirm the effectiveness of the proposed method. |
キーワード |
(和) |
自己増殖型ニューラルネットワーク / 複雑ネットワーク / 高次元データ耐性 / / / / / |
(英) |
Self-Organizing Incremental Neural Network / Complex Network / High-Dimensional Data Robustness / / / / / |
文献情報 |
信学技報, vol. 122, no. 425, NC2022-112, pp. 113-118, 2023年3月. |
資料番号 |
NC2022-112 |
発行日 |
2023-03-06 (NC) |
ISSN |
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 |
NC2022-112 |
研究会情報 |
研究会 |
NC MBE |
開催期間 |
2023-03-13 - 2023-03-15 |
開催地(和) |
電気通信大学 |
開催地(英) |
The Univ. of Electro-Communications |
テーマ(和) |
脳アーキテクチャー, 一般(NC, ME) |
テーマ(英) |
Brain architecture, General |
講演論文情報の詳細 |
申込み研究会 |
NC |
会議コード |
2023-03-NC-MBE |
本文の言語 |
日本語 |
タイトル(和) |
高次元耐性のあるSOINN空間の最適化手法の提案 |
サブタイトル(和) |
|
タイトル(英) |
Optimizing SOINN Space for High-Dimensional Data Robustness |
サブタイトル(英) |
|
キーワード(1)(和/英) |
自己増殖型ニューラルネットワーク / Self-Organizing Incremental Neural Network |
キーワード(2)(和/英) |
複雑ネットワーク / Complex Network |
キーワード(3)(和/英) |
高次元データ耐性 / High-Dimensional Data Robustness |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
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) |
高萩 悠 / Yu Takahagi / タカハギ ユウ |
第1著者 所属(和/英) |
日本大学 (略称: 日大)
Nihon University (略称: Nihon Univ.) |
第2著者 氏名(和/英/ヨミ) |
土田 悠介 / Yusuke Tsuchida / ツチダ ユウスケ |
第2著者 所属(和/英) |
日本大学 (略称: 日大)
Nihon University (略称: Nihon Univ.) |
第3著者 氏名(和/英/ヨミ) |
山内 ゆかり / Yukari Yamauchi / ヤマウチ ユカリ |
第3著者 所属(和/英) |
日本大学 (略称: 日大)
Nihon University (略称: Nihon Univ.) |
第4著者 氏名(和/英/ヨミ) |
/ / |
第4著者 所属(和/英) |
(略称: )
(略称: ) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2023-03-15 11:20:00 |
発表時間 |
25分 |
申込先研究会 |
NC |
資料番号 |
NC2022-112 |
巻番号(vol) |
vol.122 |
号番号(no) |
no.425 |
ページ範囲 |
pp.113-118 |
ページ数 |
6 |
発行日 |
2023-03-06 (NC) |