新しいネオコグニトロン型ネットワークとICA・PCAを用いた学習法

下村 正夫  佐藤 俊治  三宅 章吾  阿曽 弘具  

誌名
電子情報通信学会論文誌 D   Vol.J88-D2   No.4   pp.769-777
発行日: 2005/04/01
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: 
ネオコグニトロン,  階層型ニューラルネットワーク,  パターン認識,  ICA,  PCA,  

本文: PDF(1.5MB)>>
論文を購入




あらまし: 
ネオコグニトロンは,高い認識率と拡張性をもつパターン認識用の階層型ニューラルネットワークであるが,その性能を引き出すためには多数存在するパラメータを認識対象に応じて適切に調整する必要があった.そこで本論文では,ネオコグニトロンの各階層で行われている処理が次元圧縮である点に着目し,統計的な次元圧縮法である主成分分析(PCA),独立成分分析(ICA)及び部分空間法をネットワークの学習法として導入することで,パラメータ数の削減とパラメータ変動への頑健性向上を図る.また,これらの手法を導入するためにネオコグニトロンを簡略化したネットワークを提案する.手書き数字及び顔画像データベースを用いた認識実験により,提案する学習法がパラメータの変動に頑健で,かつ認識対象によらず同じパラメータで適切な学習が行えることを検証した.