Hierarchical Mixtures of Expertsを順モデルとして利用した逆問題のための学習アルゴリズム

山口 智  板倉 秀清  

誌名
電子情報通信学会論文誌 D   Vol.J79-D2   No.7   pp.1261-1270
発行日: 1996/07/25
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: 
神経回路,  逆問題,  順モデル,  Hierarchical Mixtures of Experts,  順逆モデリング,  

本文: PDF(650.4KB)>>
論文を購入




あらまし: 
対象とするシステムの逆モデルを作成することは,ある種の逆問題を解くということである.近年,ニューラルネットワークの学習能力を用いて,この種の逆問題を解くためのアルゴリズムがいくつか提案されている.これらのアルゴリズムの多くは,逆問題の学習に表れるローカルミニマムの問題に対処できない.この原因は,逆問題の学習においてシステムの局所的特徴量であるヤコビ行列を利用してニューラルネットワークの出力誤差を推定していることにある.この論文では,Hierarchical Mixtures of Experts(HME)を順モデルとして利用することにより,逆問題の学習に現れるローカルミニマムの問題を回避できる逆モデルの学習アルゴリズムを提案する.この方法は,逆問題を学習するために,HMEに新しいGating Networkを付け加えることによって,従来の学習アルゴリズムと全く異なる方法で,ニューラルネットワークの出力誤差を推定している.このため,従来の学習法では,学習不可能であった条件下でも,逆モデルの学習が可能となったことをシミュレーション実験によって示す.