ニューロンモデルに存在する双対性を利用したニューラルネットワークのための教師あり学習手法

書誌事項

タイトル別名
  • ニューロン モデル ニ ソンザイ スル ソウツイセイ オ リヨウ シタ ニューラル ネットワーク ノ タメ ノ キョウシ アリ ガクシュウ シュホウ
  • ニューロンモデル ニ ソンザイ スル ソウタイセイ オ リヨウ シタ ニューラル ネットワーク ノタメノ キョウシ アリ ガクシュウ シュホウ
  • A Supervised Learning Method Using Duality in the Artificial Neuron Model

この論文をさがす

抄録

階層型のニューラルネットワークにおいて,外部から見えない隠れ層に対し教師あり学習を行う方法として一般的に誤差逆伝搬法が用いられている.しかし,この方法を適用するためにはニューロンモデルの出力関数が微分可能でなければならない.本論文では隠れ層ニューロンに対して教師あり学習を行うための方法として,出力層ニューロンに存在する結合重みの学習則と双対性を利用して隠れ層ニューロンに対する教師信号を計算する手法を提案する.この手法はニューロンモデルに双対性が存在すれば適用できるため,出力層,隠れ層ニューロンが微分可能である必要はない.誤差逆伝搬法が適用できない場合の例として出力関数がステップ関数であるニューロンで構成されるパーセプトロンに対して本手法を適用し,ネットワーク全体に対する学習則を得ることができた.また実際にXOR問題を学習させたところ,シグモイド関数を出力関数とするニューロンで構成されるパーセプトロンに対する誤差逆伝搬法と同等の学習成功率を得ることができた.

収録刊行物

被引用文献 (4)*注記

もっと見る

参考文献 (10)*注記

もっと見る

詳細情報 詳細情報について

問題の指摘

ページトップへ