多価写像学習ネットワークの理論と視覚モジュールの学習による実現

書誌事項

タイトル別名
  • A theory of networks for learning multi-valued mappings and a framework for learning of visual modules from examples

この論文をさがす

説明

「例からの学習」によって、視覚の一撃計算モジュールを学習ネットワーク上に実現するための基本的枠組を考察する。視覚を画像生成過程の逆システムを実現する逆問題と捉える。すると、複数物体の属性パラメータ推定で必要な多重属性値や複数解釈の成り立つ場合である多義推定値を扱える必要がある。つまり、この逆問題は、多価写像の学習に帰着されるこの多価写像を「例からの学習」によって一撃計算モジュールとして実現するために必要な基本要素を考察する。特に、多価写像を学習するネットワークの理論が本質的役割を演じることを指摘する。筆者は、すでに、対称テンソル積(空間)を用いた多価写像の直接表現法をベースに、標準正則化理論に基づいた正則化ネットワークの理論を拡張し、多価写像を近似する多価正則化ネットワークの基本理論を導いた。本稿では、これを視覚モジュールの学習に必要な形に整備する。ガウス関数を基底関数としたHyperBFネットワークを多価写像に拡張した多価HyperBF(MVHBF)ネットワークをベースとする。ネットワークの具体的構成法として、(1)多価HyperBFネットワークの線形重み学習と、(2)密度推定法であるEM(期待値最大化)法を組み合わせた手法を提案する。密度推定法は、入力空間にだけ適用し、定義域多様体を覆う基底関数の位置と形を表す非線形パラメータを学習するために用いられる。

収録刊行物

キーワード

詳細情報 詳細情報について

  • CRID
    1573105977177286144
  • NII論文ID
    110003299742
  • NII書誌ID
    AN10013232
  • 本文言語コード
    ja
  • データソース種別
    • CiNii Articles

問題の指摘

ページトップへ