|
電子情報通信学会ニューロコンピューティング研究会 NC92-6 "MLPの構造学習のための隠れ素子の解析と構成法" |
| ニューラルネットワークの学習において, 未学習サンプルに対する汎化能力が 期待されている。 最近の理論的研究において, 良い汎化を得るために, 学習可能かつ最小のパラメータ 数でネットワークを構成する必要のあることが指摘されている。 このため実際的には, 学習により, ネットワークの構造を適応的に変化させる構造学習 の手法が重要である。 本研究では効率良く構造学習を行なうことを目的として, 学習中の隠れ素子の分布状態に注目して, MLPの構造を解析した。 さらに, 1)不要素子の削除, 2)最適な初期値設定, 3)サンプル分割学習, による 隠れ層の構成法について述べる。 |