学習ベクトル量子化ニューラルネットワークの耐故障性向上のための学習法

• Item type: Journal(1)
• 公開日: 2008-06-15
• タイトル: 学習ベクトル量子化ニューラルネットワークの耐故障性向上のための学習法
• タイトル / 言語: en
• タイトル: Training of Learning Vector Quantization Neural Networks for Improving their Fault Torelance
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 特集：ディペンダブル情報処理
• 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: 計算機システム化技術
• 著者所属: 拓殖大学工学部情報工学科
• 著者所属(英): en
• 著者所属(英): Department of Computer Science, Takushoku University
• 著者名: 蓑原, 隆
• 著者名(英): Takashi, Minohara
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 学習ベクトル量子化（LVQ）ニューラルネットワークは，一般的なフィードフォワード型のニューラルネットワークが適していない大規模なパターン分類問題などの応用について研究されている．多くの場合，汎用の計算機上でニューロンの動作をシミュレートすることが行われるが，対象となる処理に実時間性が要求される場合には，専用のハードウェア化を行うことで高速化が期待できる．一方，ハードウェアの規模の増大につれて故障発生の可能性も高まり，高信頼性が要求される場合には，耐故障化が必要になる．従来のニューラルネットワークの耐故障化の研究の大部分はフィードフォワード型を対象としており，LVQ ニューラルネットワークに対する耐故障化はほとんど行われていない．本論文では，LVQ ニューラルネットワークの耐故障能力を評価する指標を提案するとともに，耐故障能力を向上させる学習方法として，境界強調とカップリング支援のアイデアを述べる．また，これらのアイデアを適用したシステムの評価をシミュレーションによって行う．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The learning vector quantization (LVQ) is a model of neural networks, and it is used for complex pattern classifications in which typical feedforward networks don't give a good performance. Usually, conventional general-purpose serial computers are used for simulating LVQ, it is expected that special-purpose parallel neural-network processors will reduce execution time for real-time applications. However, increasing amount of hardware in relation to the number of neurons enlarges the probability of failure. Fault tolerance is required when the neural networks are used for critical application. Many methods for enhancing the fault tolerance of neural networks have been proposed, but most of them are for feedforward networks. There is scarcely any methods for fault tolerance of LVQ neural networks. In this paper, I have proposed a dependability measure for the LVQ neural networks, and then I have presented two idea, the border emphasis and the encouragement of coupling, to improve the learning algorithm for increasing dependability. The experiment result shows that the proposed algorithm trains networks so that they can achieve high dependability.
• 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 49, 号 6, p. 2155-2163, 発行日 2008-06-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764