線形変数変換に不変な自乗値ペナルティ項の構成法

• Item type: Journal(1)
• 公開日: 2003-10-15
• タイトル: 線形変数変換に不変な自乗値ペナルティ項の構成法
• タイトル / 言語: en
• タイトル: Squared Penalty Consistent with Linear Transformations of Variables
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 論文
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• その他タイトル / その他のタイトル: 知識処理
• 著者所属: NTTコミュニケーション科学基礎研究所
• 著者所属: 名古屋工業大学知能情報システム学科
• 著者所属(英): en
• 著者所属(英): NTT Communication Science Laboratories
• 著者所属(英): en
• 著者所属(英): Nagoya Institute of Technology
• 著者名: 斉藤, 和巳; 中野, 良平
• 著者名(英): Kazumi, Saito; Ryohei, Nakano
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: オリジナルスケールと変数変換を施した双方のデータで，2つのニューラルネットの学習を行うとき，その学習が不変とは，適用した変数変換に応じてニューラルネット重みを変換すれば，つねに同値なニューラルネットが学習結果として得られることを意味する．ペナルティ付き学習の場合には，ニューラルネット重みだけでなく，ペナルティ変数群の学習に対する不変性も考慮しなければならない．本稿では，これらの問題設定に基づき，線形変数変換に不変な自乗値ペナルティ項の構成法に関する理論的枠組みを提案し，その正当性を証明した．指数が整数に限定されない多項式型法則をニューラルネット学習で発見する問題への適用実験では，データが不要な説明変数を含み，かつ，ある程度のノイズを含む場合でも，提案したペナルティ項を用いれば，線形変数変換に不変となることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: If we train one neural network using original data and another network using data whose variables are transformed from the original,then consistency requires that we should obtain equivalent networks whose sets of weights can be changed to each other through the corresponding transformations.When networks are trained so as to minimize a penalized objective function,we must consider such a set of penalty factors that guarantees the consistency.For this purpose,we propose a theoretical framework for constructing squared penalty terms consistent with linear transformations of variables,and prove its plausibility.In our experiments concerning a numeric law discovery problem formulated as learning in neural networks,it was confirmed that such a penalty term can be consistent with a linear transformation of variables.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 44, 号 10, p. 2495-2502, 発行日 2003-10-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764