文献

J-GLOBAL ID：201802223493294305   整理番号：18A0121992

特異領域を利用したRBFネットワーク新学習法

New Learning Method Utilizing Singular Regions of RBF Networks

著者 (2件)： 佐藤聖也 (産業技術総合研 人工知能研究セ) ,  中野良平 (中部大)
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： 361(NC2017 40-49)  ページ： 7-12  発行年： 2017年12月09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： RBF(radial basis function)ネットの学習では,まず入力層と隠れ層間の重みを選定して固定し,その後隠れ層と出力層間の重みを最適化する方法が主流である。一方,実MLP(multilayer perceptron)や複素MLPの学習法としては,全ての重みを確率降下法や準Newton法などにより最適化する方法が主に用いられる。近年,実MLPと複素MLPの学習法として,探索空間の勾配がゼロの連続領域(特異領域)を利用する方法が提案された。特異領域を利用する学習法である特異階段追跡法では,隠れユニットの増加に伴った訓練誤差の単調減少が保証されており,安定して従来法よりも良質の解が得られる。本稿では,RBFネットの従来にない新しい学習法として,特異領域を利用する方法を提案し,計算機実験により有効性を評価する。(著者抄録)

シソーラス用語： *動径基底関数ネットワーク ,  *学習 ,  多層パーセプトロン ,  空間 ,  勾配 ,  性質 ,  計算機シミュレーション
準シソーラス用語： 隠れ層 ,  探索空間 ,  *特異性 ,  *領域

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (7件)：

• UCI Machine Learning Repository. http://archive.ics.uci.edu/ml/.
• C. M. Bishop. Neural networks for pattern recognition. Clarendon Press, 1995.
• K. Fukumizu and S. Amari. Local minima and plateaus in hierarchical structure of multilayer perceptrons. Neural Networks, 13(3):317-327, 2000.
• M.A. Little, P.E. McSharry, S.J. Roberts, D.A.E. Costello, and I.M. Moroz. Exploiting nonlinear recurrence and fractal scaling properties for voice disorder detection. Biomedical Engineering OnLine, 6(23), 2007.
• T. Nitta. Local minima in hierarchical structures of complex-valued neural networks. Neural Networks, 43:1-7, 2013.

タイトルに関連する用語 (1件)： RBFネットワーク