書誌事項
- タイトル別名
-
- Incremental Projection Learning for Optimal Generalization
この論文をさがす
説明
与えられた訓練データに対して学習が完了した後, 更に高い汎化能力を得るために, 新しい訓練データを追加する場合がある.このような場合, これまでの学習結果を利用して新しく追加される訓練データを学習すれば効率がよい.このような学習方式は, 一般に追加学習とよばれている.本論文では, 射影学習の評価基準を用いて, 雑音が存在する場合の射影追加学習を提案し, 計算に必要な記憶容量, 計算量ともに射影一括学習より軽減できることを示す.ここで注意すべきことは, 射影追加学習で得られる結果が, 全訓練データから射影一括学習で得られる結果と全く同じになることである.最後に, 訓練データの有効性の判定条件を与え, 有効でない訓練データを棄却することにより, 更に計算効率を高めることができることを示す.
収録刊行物
-
- 電子情報通信学会技術研究報告. NC, ニューロコンピューティング
-
電子情報通信学会技術研究報告. NC, ニューロコンピューティング 97 (624), 47-54, 1998-03-20
一般社団法人電子情報通信学会
- Tweet
詳細情報 詳細情報について
-
- CRID
- 1573668927261019136
-
- NII論文ID
- 110003232804
-
- NII書誌ID
- AN10091178
-
- 本文言語コード
- ja
-
- データソース種別
-
- CiNii Articles