学習ベクトル量子化ニューラルネットワークの耐故障性向上のための学習法

情報処理学会 Web Site

書誌事項

タイトル別名
  • ガクシュウ ベクトル リョウシカ ニューラルネットワーク ノ タイコショウ セイコウ ジョウ ノ タメ ノ ガクシュウホウ
  • Training of Learning Vector Quantization Neural Networks for Improving their Fault Torelance
  • 計算機システム化技術

この論文をさがす

抄録

学習ベクトル量子化（LVQ）ニューラルネットワークは，一般的なフィードフォワード型のニューラルネットワークが適していない大規模なパターン分類問題などの応用について研究されている．多くの場合，汎用の計算機上でニューロンの動作をシミュレートすることが行われるが，対象となる処理に実時間性が要求される場合には，専用のハードウェア化を行うことで高速化が期待できる．一方，ハードウェアの規模の増大につれて故障発生の可能性も高まり，高信頼性が要求される場合には，耐故障化が必要になる．従来のニューラルネットワークの耐故障化の研究の大部分はフィードフォワード型を対象としており，LVQ ニューラルネットワークに対する耐故障化はほとんど行われていない．本論文では，LVQ ニューラルネットワークの耐故障能力を評価する指標を提案するとともに，耐故障能力を向上させる学習方法として，境界強調とカップリング支援のアイデアを述べる．また，これらのアイデアを適用したシステムの評価をシミュレーションによって行う．

The learning vector quantization (LVQ) is a model of neural networks, and it is used for complex pattern classifications in which typical feedforward networks don't give a good performance. Usually, conventional general-purpose serial computers are used for simulating LVQ, it is expected that special-purpose parallel neural-network processors will reduce execution time for real-time applications. However, increasing amount of hardware in relation to the number of neurons enlarges the probability of failure. Fault tolerance is required when the neural networks are used for critical application. Many methods for enhancing the fault tolerance of neural networks have been proposed, but most of them are for feedforward networks. There is scarcely any methods for fault tolerance of LVQ neural networks. In this paper, I have proposed a dependability measure for the LVQ neural networks, and then I have presented two idea, the border emphasis and the encouragement of coupling, to improve the learning algorithm for increasing dependability. The experiment result shows that the proposed algorithm trains networks so that they can achieve high dependability.

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ