ニューラルネットワーク、ニューラルネットワークシステム、プログラムおよび記録媒体

発明者：
出願人/特許権者：
代理人 (1件)：高野明近 (外2名)
公報種別：公開公報
出願番号（国際出願番号）：特願2001-230487
公開番号（公開出願番号）：特開2003-044830
出願日： 2001年07月30日
公開日（公表日）： 2003年02月14日
要約：

【要約】【課題】学習パターンの分布形状を予測し、その範囲内のパターンを再構成することによって既存の学習パターンを保持することがなく新規学習パターンを追加学習できるニューラルネットワークを提供する。【解決手段】対応するクラスとその他との分離を行う第一の学習段階と、ウェーブレットの分解アルゴリズムから得られるフィルタを中間層に形成する第二の学習段階とに分け、第一段階では、入力層から中間層への結合荷重、RBFの中心位置ベクトルおよびRBFの広がりと傾きを既定するベクトルの3種類のパラメータを更新し、第二段階では、中間素子を追加して、RBFの中心位置ベクトルおよびRBFの広がりと傾きを既定するベクトルの2種類のパラメータについて更新する。この更新終了後、中間層の出力空間におけるその分布領域を予測し、この予測された領域内の点からウェーブレットによる再構成アルゴリズムにより有限個の入力パターンを推定できる。

請求項（抜粋）：

入力層と中間層および出力層を有し、各層間は結合荷重を有して結合される階層型ニューラルネットワークにおいて、前記入力層は、2の累乗個の入力素子を有し、前記中間層は、1つ以上の中間素子を有し、前記出力層は、動径基底関数を出力関数とする1個以上の出力素子を有し、前記結合荷重は、前記入力素子iに対応する所定の値αiと、この入力素子iと前記中間素子(0,j)に対応する値vi,jとの積によって与えられ、前記出力素子からの出力値は、前記動径基底関数の中心位置を規定するベクトル、およびその動径基底関数の広がりと傾きを規定するベクトルの2種類のパラメータとから求められるようにしたことを特徴とするニューラルネットワーク。

IPC (3件)：

G06N 3/08 , G06N 3/00 560 , G06N 3/04

FI (3件)：

G06N 3/08 Z , G06N 3/00 560 A , G06N 3/04 F

前のページに戻る