多層ニューラルネットによる情報集約の一手法とその理論的考察

米倉 達広  横井 茂樹  鳥脇 純一郎  

誌名
電子情報通信学会論文誌 D   Vol.J73-D2    No.8    pp.1205-1212
発行日: 1990/08/25
Online ISSN: 
DOI: 
Print ISSN: 0915-1923
論文種別: 特集論文 (ニューロコンピューティング論文特集)
専門分野: ニューラルネットワークの動作と性質
キーワード: 


本文: PDF(689.6KB)>>
論文を購入



あらまし: 
本文では,神経回路網モデルを用いた,多変量データの集約の一手法を提案する.具体的には,多層神経回路で入力パターンにはただ1個の素子に1,他のすべてに0のパルス入力,教師パターンにはN次元ベクトルを用いるパルス入力パターン出力型想起回路(PPN)を用いる.PPNの逆伝搬学習により,ある種の拘束条件のもとで最適性を保ちながら,サンプル空間の次元数を任意に削減できることを数学的に示す.その能力を主成分分析(K-L展開)と比較し,同モデルのもつ非線形性によるデータ集約能力の点における有用性を,多変量解析でよく知られているアイリスデータによる成分分解の実験例を挙げて示す.