ニューラルネットツリーを生成する高速アルゴリズム

情報処理学会 Web Site

書誌事項

タイトル別名
  • ニューラルネットツリー オ セイセイ スル コウソク アルゴリズム
  • A Fast Algorithm for Inducing Neural Network Trees
  • 知能と認知

この論文をさがす

抄録

ニューラルネットツリー（NNTree）は各中間ノードに小規模なニューラルネット（NN）を埋め込んだ決定木（DT）である．NNTreeの利点としては，フル結合型NNと比べ構造学習およびハードウェア実現に適していることと，通常の単一変量DTと比べ汎化能力が高いこと等があげられる．しかし，NNTreeの生成は難しい問題であり，NNはたとえ1個のニューロンしか含まないときでさえ，各中間ノードの最適なテスト関数を求めることはNP完全問題である．この問題を解決するために我々は遺伝的アルゴリズム（GA）に基づくNNTreeの生成方法を試みたが，この方法は非常に時間がかかるため容易に使用できない．NNTreeを高速に生成するために，本論文で我々は新しいアルゴリズムを提案する．このアルゴリズムでは，まず各中間ノードに割り当てたデータのグループラベルを発見的な方法で定義し，そして，教師付き学習を用いてテスト関数を求める．提案方法の有効性は，複数の公開データベースを用いた実験によって実証された．

Neural network tree (NNTree) is a decision tree (DT) with each internal node containing a small neural network (NN). Although NNTree is a model good for structural learning and for hardware implementation, it is difficult to induce suitable structure of NNTrees. Even if each NN contains only one neuron, the problem for finding the optimal test function in each internal node is NP-complete. To solve this problem, we have tried to induce the NNTrees using genetic algorithm (GA). The GA-based approach, however, is very time consuming, and cannot be used easily. In this paper, we propose a new algorithm for inducing NNTrees quickly. The basic idea is to define the group labels for the data assigned to each internal node based on some heuristic rules, and then find the test function through supervised learning. The efficiency of the proposed algorithm is proved through experiments on several public databases.

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