文献

J-GLOBAL ID：201902238231854857   整理番号：19A0388673

マージン付き勝者総取り方式 パターン認識のための新しい学習ルール

Margined winner-take-all: New learning rule for pattern recognition

著者 (1件)： Fukushima Kunihiko (Fuzzy Logic Systems Institute, Iizuka, Fukuoka 820-0067, Japan)
資料名： Neural Networks  (Neural Networks)
巻： 97  ページ： 152-161  発行年： 2018年01月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： ネオコグニトロンは,視覚パターンをロバストに認識するために訓練できる深層(多層)畳込みニューラルネットワークである。ネオコグニトロンの中間層では,局所特徴を入力パターンから抽出する。最も深い層では中間層で抽出した特徴に基づき,入力パターンをクラスに分類する。この目的のために,IntVec(内挿ベクトル)と呼ばれる方法を使用する。本論文では,最も深い層を訓練するために,マージン付き勝者総取り方式(mWTA)と呼ばれる新しい学習ルールを提案した。学習中に訓練パターンが提示されるたびに,WTA(勝者総取り方式)による認識の結果が誤りであるならば,新しいセルを最も深い層で生成する。ここでは,WTAに一定量のマージンを与える。言い換えると,学習中にだけ一定量のハンディキャップを訓練ベクトルのクラス以外のクラスのセルに与え,勝者がこのハンディキャップの下で選択される。WTAにマージンを導入することによって,小さな計算コストで高い認識率を得ることができるコンパクトなセル集合を生成できる。このmWTAの能力を計算機シミュレーションによって実証した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *パターン認識 ,  ベクトル ,  マージング ,  ロバスト性 ,  *学習 ,  計算機シミュレーション ,  視覚 ,  多層 ,  内挿法 ,  *規則 ,  画像特性 ,  局所性 ,  原価 ,  *ニューラルネットワーク ,  層 ,  比率 ,  *機械学習 ,  局所特徴 ,  計算コスト ,  *畳込みニューラルネットワーク ,  中間層 ,  計算機利用 ,  利用
準シソーラス用語： *学習則 ,  認識率

著者キーワード (6件)： パターン認識 ,  深CNN ,  ネオcogニトロン ,  学習ルール ,  Margined WTA ,  補間ベクトル

分類 (3件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： パターン認識 ,  学習ルール