選択的不感化ニューラルネットによる特徴量の有効性の分析

染野 翔一  堀江 和正  森田 昌彦  

誌名
電子情報通信学会論文誌 D   Vol.J102-D   No.8   pp.567-574
発行日: 2019/08/01
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2018JDP7075
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: 
関数近似,  選択的不感化ニューラルネット,  特徴選択,  無効変数,  

本文: PDF(1.5MB)>>
論文を購入




あらまし: 
機械学習によって関数近似を行う場合,入力変数(特徴量)の中に出力と無関係のものがあると近似精度が低下する場合が多いが,完全に無関係かどうかを判断するのは容易でない.本論文では,選択的不感化ニューラルネット(SDNN)を用いて,各入力変数が出力に関係するか,すなわち特徴量が有効かどうかを判別する方法を提案する.人工的に作成した関数近似課題を用いて学習実験を行ったところ,SDNNは無効変数が多く含まれていても,比較的少ないサンプルで十分に高い近似精度が得られること,無効変数のみに関係するSDNNの結合荷重はそれ以外のものに比べて分散が小さくなることがわかった.また,このことを利用して,出力と相関がないが関係する変数,限られた場合にのみ関係する変数や,単独では効果が薄いが相乗効果を発揮する変数のペアも無効変数と区別できるという結果が得られた.このことは,SDNNの計算コストの大幅な削減に利用できるとともに,従来よりも効果的な特徴選択や非線形データ解析の手法の開発につながると考えられる.