多層ニュ-ラルネットによる情報集約機能の基礎的研究

使用多层神经网络的信息聚合函数的基础研究

• 批准号: 03251214
• 负责人: 鳥脇 純一郎
• 金额: $ 1.47万
• 依托单位: Nagoya University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research on Priority Areas
• 财政年份: 1991
• 资助国家: 日本
• 起止时间: 1991 至 无数据
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-03251214/
• 关键词: ニュ-ラルネット; 情報圧縮; 因子分析; 主成分分析; パタ-ン認識; 区分線形回帰; 画像圧縮

1.PPN(Pulseーin Patternーout mapping Networks)の提案本研究で提案しているPPNは、直交しあう類似入力パタ-ン(標本と同数の入力素子を用意し、各標本に対応づけられた唯一個の入力素子のみに値1、それ以外に値0を配置したもの)を入力し、多次元ベクトルとしての標本デ-タを教師信号として与えるものとする。ここで、第2層(集約層)素子数を標本次元および標本数よりも小さくとれば入力ベクトルデ-タの集約表現を得ることができる。2.3層および4層PPNによる写像の組合せ位相幾何学的解析PPN4層モデルの性質を組合せ位相幾何学的なアプロ-チにより考察した。すなわち、4層恒等写像と4層PPNの両モデルでこの考え方に基づくデ-タ解析の手法(区分線形回帰手法)の可能性を示すと同時に、標準的統計デ-タについてPPNによるこの手法を適用し、その有効性を確認した。3.4層恒等写像型ネットによる擬似区分線形因子分析モデルの提案4層恒等写像が多層ニュ-ラルネット(第2層を集約層とし第3層を付随層とする)を用いた非線形因子分析モデルの形で表される数式モデルを提案する。4.4層PPN/4層恒等写像型ネットの画像圧縮への応用上記の手法を画像圧縮に応用し、従来から用いられている線形手法(KL展開)と比較して、平均2乗誤差で約1/5から1/8程度のより高い圧縮効率が得られることをシュミレ-ション実験で検証し、これらが大規模パタ-ンデ-タに対しても有効な手法となり得ることを確認した。

1.PPN(Pulse <s:1> in Pattern <e:1> out mapping Networks) の proposed this research で し て い る PPN は, rectangular し あ う similar パ into force タ - ン と (specimen with several の into force element を intention し, each specimen に 応 seaborne づ け ら れ た only a の element child into force の み に numerical 1, そ れ outside に nt 0 を configuration し た も の) を し into force, multidimensional ベ ク ト ル と し て の specimen デ - タ を teachers The signals と て て and える とする とする とする. こ こ で and layer 2 (intensive layer), the number son を specimen dimensions お よ び specimen number よ り も small さ く と れ ば ベ into force ク ト ル デ - タ の intensive performance を る こ と が で き る. 2.3 layer お よ び 4 layer PPN に よ る write like の combination せ phase analytic geometry layer PPN4 モ デ ル の nature を combination せ phase geometry な ア プ ロ - チ に よ り investigation し た. す な わ ち, 4 layer identity to write like と 4 PPN の struck モ デ ル で こ の え party に test base づ く デ - タ parsing の technique (distinguish between linear back 帰 technique) を の possibility in す と に at the same time, the standard statistical デ - タ に つ い て PPN に よ る こ の を applicable し, そ の have sharper sex を confirm し た. Type 3.4 layer identity to write like ネ ッ ト に よ る quasi distinguish linear factor analysis モ デ ル の proposal 4 identical to write like が multilayer ニ ュ - ラ ル ネ ッ ト layer (layer 2 を intensive と し layer 3 を pay with layer と す る) を with い た nonlinear factor analysis モ デ ル の form で table さ れ る number type モ デ ル を proposal す る. 4.4 PPN / 4 layers identity type write like ネ ッ ト の portrait 圧 shrinkage へ の 応 の technique using remember を portrait 圧 shrinkage に 応 with し, 従 か ら with い ら れ て い る linear technique (KL) と compare し て で, 2 乗 average error about 1/5 か ら 1/8 degree の よ り high い 圧 shrinkage rate of unseen が must ら れ る こ と を シ ュ ミ レ - シ ョ ン be 験 で 検 certificate し, こ れ ら が large-scale パ タ - ン デ - タ に し seaborne て も have sharper な gimmick と な り have る こ と を confirm し た.

项目成果

米倉 達広,鳥脇: "4層恒等写像型ニュ-トラルネットによる擬似区分線型因子分析" 電子情報通信学会論文誌. J74ーDーII8. 1122-1125 (1991)

Tatsuhiro Yonekura，Toriwaki：“使用四层身份中性网络的伪分段线性因子分析”电子、信息和通信工程师学会汇刊 J74-D-II8 (1991)。

米倉 達広,宮崎,鳥脇: "恒等写像モデルおよびPPNに基づく4層ニュ-ラルネットの情報集約機能の解析" 電子情報通信学会論文誌. J74ーDーII10. 1398-1410 (1991)

Tatsuhiro Yonekura、Miyazaki、Toriwaki：“基于恒等映射模型和 PPN 的四层神经网络的信息聚合函数分析”IEICE Transactions J74-D-II10 (1991)。

松本 哲也,米倉,鳥脇: "4層ニュ-ラルネットによる画像圧縮の一方法と医用X線像への応用" Medical Imaging Technology. 9・4. 424-428 (1991)

Tetsuya Matsumoto、Yonekura、Toriwaki：“使用四层神经网络的图像压缩方法及其在医学 X 射线图像中的应用”医学成像技术 9・4（1991）。