最尤法を用いたニューラルネットワークからの命題獲得

• Item type: SIG Technical Reports(1)
• 公開日: 1996-01-17
• タイトル: 最尤法を用いたニューラルネットワークからの命題獲得
• タイトル / 言語: en
• タイトル: Finding Propositions from Neural Networks using Maximum Likelihood Method
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: （株）東芝研究開発センター
• 著者所属: （株）東芝研究開発センター
• 著者所属(英): en
• 著者所属(英): Research & Development Center, Toshiba Corporation
• 著者所属(英): en
• 著者所属(英): Research & Development Center, Toshiba Corporation
• 著者名: 森田, 千絵; 月本, 洋
• 著者名(英): Chie, Morita; Hiroshi, Tsukimoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 筆者らは以前ニューラルネットワークから命題を抽出する方法を提示した。その方法はニューラルネットワークの各素子が多重線形関数（定義域が連続の時は近似的に）であることに着目して、それを（連続）ブール関数で近似することである。その近似の際にはユークリッド距離を用いていたが、本稿では最尤法を用いる近似方法を提示し、良好な結果が得られることを示す。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Authors presented an algorithm for finding propositions from neural networks. The outline is as follows. When the domain is discrete, the functions which neural networks learn are multi-linear functions. The space of multi-linear functions is an Euclidean space and includes Boolean functions. When the domain is continuous, the above fact approximately holds. So, multi-linear functions are approximately by (continuous) Boolean functions. This paper describes the algorithm using maximum likelihood method and shows that experimental results are good.
• 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: AA11135936
• 書誌情報: 情報処理学会研究報告知能と複雑系（ICS）; 巻 1996, 号 4(1995-ICS-103), p. 31-36, 発行日 1996-01-17
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会