- 著者
-
堀田 健一
岩田 彰
松尾 啓志
鈴村 宣夫
- 出版者
- 電子情報通信学会情報・システムソサイエティ
- 雑誌
- 電子情報通信学会論文誌. D-II, 情報・システム, II-情報処理 = The transactions of the Institute of Electronics, Information and Communication Engineers (ISSN:09151923)
- 巻号頁・発行日
- vol.75, no.3, pp.545-553, 1992-03-25
- 被引用文献数
-
37
一般にニューラルネットが大規模になると,結合数が急速に増加し,また学習の収束が困難になるなどさまざまな問題が生じる.これを改善するために我々は,ベクトル量子化ニューラルネットと階層型ニューラルネットを組み合せたCombNETと名づけたネットワークモデルを提案している.しかし,前段のベクトル量子化ニューラルネットにおけるカテゴリーの大分類が均等にならないという問題が生じた.本論文ではこの問題を解決する手法として,自己増殖型ニューラルネットと呼ぶベクトル量子化ニューラルネットを考案し,このネットワークを適用したCombNET- IIを提案する.このネットワークの利点は二つある.まず第1に,前段で各グループに属するカテゴリーがほぼ均等になるように分割されることである.また第2には,分類するカテゴリーの増減にニューロンの数を柔軟に対応させて変化する点にある.今回はこのCombNET-IIをJIS第1,2水準印刷漢字の識別に適用し,前段における大分類の様子,カテゴリー数の変動に対する能力および識別率の検証を行った.