文献

J-GLOBAL ID：201702289115211960   整理番号：17A0869692

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

Analysis of Robustness of Approximators Based on Neural Networks Against Redundant Dimensions

著者 (6件)： 染野翔一 (筑波大 大学院システム情報工学研究科) ,  丹野智博 (筑波大) ,  堀江和正 (筑波大 大学院) ,  井澤淳 (筑波大 大学院) ,  市場知樹 (筑波大 大学院システム情報工学研究科) ,  森田昌彦 (筑波大 大学院)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 117  号： 109(NC2017 5-19)  ページ： 21-26  発行年： 2017年06月16日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 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。(著者抄録)

シソーラス用語： ニューラルネットワーク ,  *関数近似 ,  次元 ,  *ロバスト性 ,  精度 ,  機械学習 ,  *パーセプトロン ,  誤差
準シソーラス用語： パターンコーディング ,  近似精度 ,  並列パーセプトロン ,  余剰次元

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (6件)：

• 新保智之,山根健,田中文英,森田昌彦,“選択的不感化ニューラルネットを用いた強化学習の価値関数近似.”信学論(D)vol.J93-D,no.6,pp.837-847,2010.
• B. Irie, and S. Miyake, “Capabilities of three-layered perceptrons,” IEEE International Conference on Neural Networks, vol. 1, pp.641-648, 1988. DOI: 10.1109/ICNN.1988.23901
• K. Funahashi,“On the approximate realization of continuous mappings by neural networks,” Neural networks, vol. 2, pp.183-192, 1989.
• J. Park and I.W. Sandberg,“Universal approximation using radial-basis-function networks,” Neural computation, vol. 3, no.2, pp.246-257, 1991. DOI: 10.1162./neco.1991.3.2.246
• P. Auer, H. Burgsteiner and W. Maass,“A learning rule for very simple universal approximators consisting of a single layer of perceptrons,” Neural networks, vol. 21, no.5, pp.786-795, 2008.

タイトルに関連する用語 (6件)： ニューラルネット ,  関数近似 ,  冗長 ,  次元 ,  ロバスト性 ,  解析