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。
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)