変化する入力データに対する学習の定常特性と過渡特性を改善する 新しいベクトル量子化アルゴリズム

芳澤　伸一
道木　慎二
大熊　繁

誌名
電子情報通信学会論文誌 D   Vol.J82-D2       pp.807-817
発行日: 1999/04/25
Online ISSN: 
DOI: 
Print ISSN: 0915-1923
論文種別: 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: 
ベクトル量子化,  アニーリング,  時変データ,  情報圧縮,  

本文: PDF(247.5KB)>>
論文を購入


あらまし: 
統計的分布が時間的に変化しない， 固定した入力データに対するベクトル量子化では，定常特性が問題となる． それに対して，統計的分布が時間的に変化する入力データに対するベクトル量子化は， 入力データに対する過渡特性と定常特性の間で生じるジレンマを解決する必要がある． そのため，入力データの統計的分布が 時間的に変化する場合を陽に扱うベクトル量子化アルゴリズム はほとんど提案されていない． そこで本論文では， 上記の問題を解決する新しいベクトル量子化アルゴリズム（DOCL-II）を提案する． DOCL-IIは，筆者らが提案したDOCLを拡張したもので， アニーリング操作により良質な解を獲得するものであり， 入力データの統計的分布の変化に対するアニーリング操作の開始時期と 終了時期を自律的に決定することで，過渡特性と定常特性のジレンマを解決する． 本論文では，提案するアルゴリズムであるDOCL-IIの特徴を述べ， シミュレーションにより従来のアルゴリズムとの比較を行い， 本アルゴリズムの有効性を示す．