文献

J-GLOBAL ID：201802223769896053   整理番号：18A0731785

SOINNとは何か

著者 (3件)： 深津卓弥 (SOINN) ,  長谷川修 (東京工大 工) ,  長谷川修 (SOINN)
資料名： 知能と情報  (日本知能情報ファジィ学会誌)
巻： 30  号： 2  ページ： 98-105  発行年： 2018年04月15日 
JST資料番号： L0501A  ISSN： 1347-7986  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・SOINNとは,自己組織化マップ(SOM)とGNG(Growing Neural Network)に着想を得て開発された手法であり,Hebb則と呼ばれる学習則に基づいて教師なし学習を実行。
・本稿では,SOINNとそれに関する事項を解説:最初に学習則として用いられるHebb則と競合学習の考え方を解説し,一般的な機械学習との違いを論じ,次いで,SOINNの優位性と欠点を論じ,さらには,SOINNとその改良型の解説と応用例を提示。
・SOINNの応用例としては,連想記憶システム,属性知識に基づく転移学習,時系列データの処理等を提示。
・音声や動画などの時系列データを扱う際,時間長の異なるデータ間で学習・認識を行う必要があるため,その差異を吸収できる手法を適用する必要があるが,動的計画法やHMMやリカレントニューラルネットワークなどの手法を適用され,それらとSOINNを組み合わせて時系列を扱う方法を提示。

シソーラス用語： *自己組織化特徴マップ ,  ニューラルネットワーク ,  *Hebb学習 ,  機械学習 ,  競合学習 ,  連想記憶方式 ,  事例ベース推論 ,  時系列分析 ,  時系列 ,  動的計画法 ,  神経回路網 ,  回帰モデル
準シソーラス用語： *自己組織化マップ ,  連想記憶システム ,  転移学習 ,  時系列解析 ,  時系列画像 ,  リカレントニューラルネットワーク

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

引用文献 (18件)：

• F. Shen and O. Hasegawa: “An Incremental Network for On-line Unsupervised Classification and Topology Learning,” Neural Networks, Vol.19, No.1, pp. 90-106, 2005.
• F. Shen, T. Ogura, and O. Hasegawa: “An enhanced self-organizing incremental neural network for online unsupervised learning,” Neural Networks, Vol.20, No.8, pp. 893-903, 2007.
• F. Shen and O. Hasegawa: “A Fast Nearest Neighbor Classifier Based on Self-organizing Incremental Neural Network,” Neural Networks, Vol.21, No.10, pp. 1537-1547, 2008.
• H. Zhang, X. Xiao, and O. Hasegawa: “A load-balancing self-organizing incremental neural network,” IEEE Trans. Neural Networks and Learning Systems, Vol.25, pp. 1096-1105, 2014.
• Y. Nakamura and O. Hasegawa: “Nonparametric density estimation based on self-organizing incremental neural network for large noisy data,” IEEE Trans. Neural Networks and Learning Systems, pp. 25-32, 2016.