文献

J-GLOBAL ID：201902214067552528   整理番号：19A0851358

ベクトル量子化を用いたファジィ推論システムの学習法

Learning Methods for Fuzzy Inference System Using Vector Quantization

著者 (4件)： 宮島洋文 (岡山理大 総合情報) ,  久冨木大夢 (鹿児島大 大学院理工学研究科) ,  重井徳貴 (鹿児島大 大学院理工学研究科) ,  宮島廣美
資料名： 知能と情報  (日本知能情報ファジィ学会誌)
巻： 31  号： 2  ページ： 690-699  発行年： 2019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： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ファジィ推論システムの学習に関する多くの研究が行われている.これらの研究の多くが最急降下法を用いているが,パラメータの初期値設定により,学習後のモデルの精度やルール数が影響をうけることが指摘されている。これを改善するための多くの方法が提案されているが,必ずしも満足できるシステム構成とはなっていない.ベクトル量子化を使って,パラメータの初期値を設定する方法は,少ないルール数で高い精度を実現する方法の一つとして知られている.一方で,この方法の問題点としては,後件部の重みパラメータの初期値設定を行う効率的な方法が知られていないことである.それゆえ,前件部パラメータと後件部パラメータの初期値を設定する方法を最急降下法に取り入れることで,この学習法の能力改善が期待できる.本論文では,あらかじめ学習用の入出力データを用いて,ベクトル量子化により入力空間の分割とその空間での重み設定を行い,これらをパラメータの初期値として用いるファジィ推論システムの学習法を提案し,その有効性を示す。(著者抄録)

シソーラス用語： *ベクトル量子化 ,  *最急降下法 ,  *ファジィ推論 ,  *機械学習 ,  パラメタリゼーション ,  評価試験 ,  精度 ,  重みづけ ,  *統計解析

分類 (3件)： システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E)

引用文献 (25件)：

• M. S. Mandavinejad, M. Rezvan, M. Barekatain, P. Adibi, and A. P. Sheth: “Machine Learning for Internet of Things Data Analysis : A Survey,” Digital Communications and Networks, Vol.4, Issue 3, pp. 161-175, 2017.
• 福島邦彦: “ネオコグニトロン : Deep Convolutional Network,” 日本知能情報ファジィ学会誌, Vol.27, No.4, pp.115-125, 2015.
• G. E. Hinton, S. Osindero, and Y. Teh: “A fast learning algorithm for deep benefit nets,” Neural Computation, Vol.18, pp. 1527-14, 2006.
• 中島英樹: “画像解析関連コンペティションの潮流,” 電子情報通信学会誌, Vol.100, No.5, pp.373-380, 2017.
• S. M. Zhoua and J. Q. Ganb: “Low-level interpretability and high-level interpretability: a unified view of data-driven interpretable fuzzy system modeling,” Fuzzy Sets and Systems, Vol.159, pp. 3091-3131, 2008.

タイトルに関連する用語 (2件)： ベクトル量子化 ,  ファジィ推論システム