Pat
J-GLOBAL ID：200903098666399345
ニューラルネットワークの学習方式
Inventor：
Applicant, Patent owner：
Agent (1)：
伊東 忠彦
Gazette classification：公開公報
Application number (International application number)：1992307311
Publication number (International publication number)：1994161979
Application date： Nov. 17, 1992
Publication date： Jun. 10, 1994
Summary：
【要約】【目的】 本発明の目的は、学習データにノイズ等が含まれている場合にも未知データに対する分類精度が向上するニューラルネットワークの学習方式を提供することである。【構成】 本発明は、学習データの特徴量ベクトル12を入力とし、既知規則分類結果ベクトル及び分類結果信頼度を出力する分類規則実行手段1と、学習データの特徴量ベクトル4の分布密度及び平均分類結果ベクトルを算出する分布平均算出手段2と、学習データの分類結果または既知規則による分類結果に重み付けをした教師ベクトル15を出力する教師ベクトル算出手段3と、特徴量ベクトル14と教師ベクトル15との対からなる教師データを複数保持し、結合荷重調整手段16に供給する教師データ格納手段4とを有する。
Claim (excerpt)：
分類対象の特徴を表す特徴量ベクトルの次元数に等しい数のユニットからなる入力層、分類対象の分類結果を表す分類結果ベクトルの次元数に等しい数のユニットからなる出力層、任意個数のユニットを有する0層以上の任意層数の中間層及び、ユニット間を接続する結合荷重からなる多重構造型のニューラルネットワークと、分類結果が既知である分類対象の特徴量ベクトルと分類結果ベクトルの対からなる学習データを複数保持する学習データ格納手段と、該ニューラルネットワークの入力層に該学習データの特徴量ベクトルを入力した時の該ニューラルネットワークの出力層に得られる出力値ベクトルと、該出力値ベクトルが得られる時の望ましい出力値である教師ベクトルとの誤差が減少するように該ニューラルネットワークの結合荷重を調整する結合荷重調整手段とを含むニューラルネットワークの学習方式において、該学習データの特徴量ベクトルを入力とし、既知である分類規則に従って該学習データの分類を行って既知規則分類結果ベクトル及び分類結果信頼度を出力する分類規則実行手段と、該学習データの特徴量ベクトルと分類結果ベクトルを入力とし、分類対象データの特徴量ベクトルの存在するベクトル空間内において、該学習データの近傍に存在する他の複数個の学習データの特徴量ベクトルの分布密度及び平均分類結果ベクトルを算出する分布平均算出手段と、該分布平均算出手段から出力された該平均分類結果ベクトルに該分布密度に比例する重み係数を乗じたベクトルと、該分類規則実行手段より出力された既知規則分類結果ベクトルに分類結果信頼度に比例する重み係数を乗じたベクトルを算出し、これら二つのベクトルを加え合わせて得られるベクトルを該教師ベクトルとして出力する教師ベクトル算出手段と、該学習データ格納手段から読み出された特徴量ベクトルと該教師ベクトルとの対からなる教師データを複数保持し、該結合荷重調整手段に供給する教師データ格納手段とを有することを特徴とするニューラルネットワークの学習方式。
IPC (2)：
Return to Previous Page
