抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
我々はこれまでの研究においてKohonenの自己組織化マップ(Self-Organizing Map:SOM)のベクトルユニットをニューラルネットワークなどの機能を持つモジュールに置き換えたモジュラーネットワーク型自己組織化マップ(Modular Network Self-Organizing Map:mnSOM)を提案し,理論とアルゴリズムの確立,および様々な課題への応用を行ってきた。mnSOMはSOMの理論を拡張したものであるため,SOMが持つ(1)入力の規模が予測できない課題,(2)入力のトポロジーが変化する課題,に十分に対応できない。つまり,SOMを利用する際は課題に合わせてユニット数とネットワークの幾何学的構造の適切な見積もりを行わなければならない。この問題はmnSOMを実課題へ応用する際に障害となることがある。ここで,Kasabovらの進化型自己組織化マップ(Evolving Self-Organizing Map:ESOM)はSOMを拡張したものであり,ユニットの増加とトポロジーの形成を動的に行うことにより入力の規模とトポロジーの変化に対応が可能なオンライン学習アルゴリズムを持つ。そこで本発表において我々はmnSOMの基盤となるSOMの学習アルゴリズムをESOMに拡張した,自己進化型モジュラーネットワーク(SElf Evolving Modular network:SEEM)を提案する。またSEEMについて様々なシミュレーションを行い有効性を確認したので報告する。(著者抄録)