| 作成者 |
|
|
|
| 本文言語 |
|
| 出版者 |
|
|
|
| 発行日 |
|
| 収録物名 |
|
| 巻 |
|
| 号 |
|
| 開始ページ |
|
| 終了ページ |
|
| 出版タイプ |
|
| アクセス権 |
|
| 関連DOI |
|
|
|
|
|
| 関連URI |
|
|
|
|
|
| 関連情報 |
|
|
|
|
|
| 概要 |
本稿では,密度可変型自己組織化マップによる追加学習法を提案する.自己組織化マップにおいて追加学習を行なう際には,1. ニューロンの枯渇問題,2.過去に学習したデータの忘却問題,3.位相の保存問題を解決する必要がある.山田らが提案している「シナプス硬直条件」ならびに「シナプス半硬直条件」を利用することで,過去に学習したデータの忘却を防ぐことができるが,その他の問題が生じてしまう.そこで本研究では,シ...ナプス硬直条件とシナプス半硬直条件を用いた自己組織化マップの追加学習法を改良し,位相を保持したまま効率的にニューロンを追加する密度可変型自己組織化マップを考案した.
We propose a new incremental learning method of Self-Organizing Map. There are three problems in the incremental learning of Self-Organizing Map; 1. neuron depletion, 2. forgetting previous training data, 3. keeping topology. Weights fixed neurons and weights semi-fixed neurons are very effective for the second problem. However the other problems remains. Therefore, we improve the incremental learning method with weights fixed neurons and weights semi-fixed neurons. Our approach can increment neurons effectively in the incremental learning process.続きを見る
|
Mendeley出力
ShimadaNC06