複雑ネットワークの自己組織化マップと粒子群最適化への応用

点击翻译按钮获取中文摘要

1.自己組織化写像(Self-Organizing Map : SOM)は教師なしニューラルネットワークの一つであり、クラスタリング分野で注目されている。SOMは、複数の離れたクラスタを持つ入力データに対して学習を行うと、入力データが存在しない部分にニューロンが存在してしまうという、「不活性ニューロン問題」が発生する。そこで、不活性ニューロンを削減するために、誤り近傍の効果を除去する、重み付けされた結合を持つSOM(WC-SOM)を提案した。これは、SOMのニューロン間に「誤り近傍重み」と呼ばれる新たな指標を用いることで、"本当の近傍"と"間違った近傍"を区別することを可能とする。本手法により、従来法と比較してより柔軟な自己組織化が可能となった。また、クラスタリング制度の向上を確認した。2.本研究では、複雑ネットワークの新しい考え方を粒子群最適化(Particle Swarm Optimization : PSO)へ応用し、主体性を持つPSO(IPSO)を提案した。本手法の最大の特徴は、各粒子が個別に動くか、粒子群内の他の粒子と情報交換しながら動くかは、確率的に決定される点である。つまり、IPSOの各粒子は常に粒子群と結合されているわけではなく、自立心を持って振舞う。本手法を様々なベンチマーク問題へ応用し、提案手法の振る舞いを調査した。またシミュレーション結果では、従来法と比較して大幅な制度の改善に成功したことを確認した。