|
Cluster Analysis and Neural Networks |
クラスタ分析に基づくニューラルネットワークの学習 本論文では,パターン認識を行う3層ニューラルネットワークの中間層の働きを,学習パターンに含まれるクラスタごとの判別分析とみなし,与えられた学習パターンのクラスタ分析の結果に基づいて,重みの初期値を設定する手法を提案する.提案する手法は,(1)学習パターンの直和分解によるクラスタ分析,および,(2)各クラスタに属するパターンの,そのクラスタに対応する内部表現(代表ベクトル)への集塊化の2段階の処理からなる.クラスタ分析の結果の評価基準である平均ひずみ測度と,各カテゴリーのクラスタ数との関連を調べ,各カテゴリーのクラスタ数(中間層のユニット数)の設定法についても考察する.分布の単峰性を仮定できないパターンに対する数値実験を行った結果,提案手法は,乱数で重みの初期値を設定した場合に比べ,学習の進行を促進し,同一の学習回数で高い認識率を得られること,また,学習係数の変化に対し頑健であるという性質をもつことを確認した.
|
【References】 |
[1] 市村 直幸、竹内 倶佳、永井 豊:‘‘パターン認識のためのクラスタ分析に基づく3層ニューラルネットワークの重み初期値の一設定法,’’信学論D-II、Vol.J77-D-II、No.2、pp.301-310、1994 (pdf). |