規則埋込み型ニューラルネットのための重み変動を抑制した学習法

丸山 美奈  仲林 清  

誌名
電子情報通信学会論文誌 D   Vol.J75-D2   No.5   pp.982-990
発行日: 1992/05/25
Online ISSN: 
DOI: 
Print ISSN: 0915-1923
論文種別: 論文
専門分野: バイオサイバネティックス,ニューロコンピューティング
キーワード: 
ニューラルネットワーク,  逆誤差伝搬学習法,  知識獲得,  

本文: PDF(612KB)
>>論文を購入


あらまし: 
専門家の知識と事例データの双方を知識源として活用した知識獲得の一手法として,専門家の有するif-then型規則をニューラルネットに埋め込む手法,および,このような規則埋込み型ニューラルネットに適した学習法を提案する.従来,埋込み型ニューラルネットはランダムな初期値を与えたニューラルネットに比べ,学習時間,収束率が向上することが報告されているが,具体的なif-then規則の埋込み手法については明らかにされていない.また初期に規則を与えても,学習法として逆誤差伝搬法を用いた場合過学習によって結合荷重は過剰に変化し,結果として汎化能力は学習と共に低下する可能性が高いと考えられる.そこで本論文ではまずif-then規則に基づき初期結合荷重を設定する手法の定式化を行う.次に規則埋込み型ニューラルネットの汎化能力向上を目指し,結合荷重の初期結合荷重からの過剰なずれを抑制しつつ学習を行う重み変動抑制学習法を提案する.枠なし手書き文字列からの文字切出し処理を題材に実験を行った結果,未知データに対する正解率は,逆誤差伝搬法では86%であったが,重み変動抑制学習法では93%となることが確認された.