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

基本信息

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

项目摘要

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. Proposal of Pulse-in Pattern-out mapping networks (PPNs proposed in this study) are to input orthogonal similar input patterns (those with the same number of input elements as the specimen, and only the only input elements associated with each specimen have a value of 1 and other value of 0) and to provide sample data as a multidimensional vector as a teacher signal.在这里，如果将第二层的元素数（聚合层）设置为小于样品维度，并且可以获得输入矢量数据的聚合表示。与2.3层和4层PPN映射的拓扑分析相结合的PPN 4层模型的性质通过组合拓扑方法检查。换句话说，基于此概念，四层身份映射和四层PPN模型都证明了数据分析方法（零件分隔的线性回归方法）的可能性，同时，使用PPN的该方法应用于标准统计数据，并确认了其有效性。 3.4提出伪件线性因子分析模型，使用层身份映射类型NET我们提出了一个数学模型，其中4层身份映射以非线性因子分析模型的形式以多层null-NET（第二层作为聚集层和第三层作为伴随层）表示。将4.4层PPN/4层身份映射类型NET应用于图像压缩，将上述方法应用于图像压缩，并与常规仿真实验中使用的线性方法（KL扩展）相比，已证实，较高的压缩效率较高的压缩效率约为1/5至1/8，可以使用均值错误获得，并且可以有效地模式。