選択的不感化ニューラルネットによる特徴量の有効性の分析

DOI

書誌事項

タイトル別名
  • Analysis of Feature Effectiveness Using a Selective Desensitization Neural Network

抄録

機械学習によって関数近似を行う場合,入力変数(特徴量)の中に出力と無関係のものがあると近似精度が低下する場合が多いが,完全に無関係かどうかを判断するのは容易でない.本論文では,選択的不感化ニューラルネット(SDNN)を用いて,各入力変数が出力に関係するか,すなわち特徴量が有効かどうかを判別する方法を提案する.人工的に作成した関数近似課題を用いて学習実験を行ったところ,SDNNは無効変数が多く含まれていても,比較的少ないサンプルで十分に高い近似精度が得られること,無効変数のみに関係するSDNNの結合荷重はそれ以外のものに比べて分散が小さくなることがわかった.また,このことを利用して,出力と相関がないが関係する変数,限られた場合にのみ関係する変数や,単独では効果が薄いが相乗効果を発揮する変数のペアも無効変数と区別できるという結果が得られた.このことは,SDNNの計算コストの大幅な削減に利用できるとともに,従来よりも効果的な特徴選択や非線形データ解析の手法の開発につながると考えられる.

収録刊行物

詳細情報 詳細情報について

  • CRID
    1390282763131416448
  • DOI
    10.14923/transinfj.2018jdp7075
  • ISSN
    18810225
    18804535
  • 本文言語コード
    ja
  • データソース種別
    • JaLC
  • 抄録ライセンスフラグ
    使用不可

問題の指摘

ページトップへ