ホップフィールド型ニューラルネットによる制約条件付きクラスタリング

• Item type: Trans(1)
• 公開日: 2003-05-15
• タイトル: ホップフィールド型ニューラルネットによる制約条件付きクラスタリング
• タイトル / 言語: en
• タイトル: Conditional Clustering Model by Hopfield Neural Network
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: オリジナル論文
• 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
• 著者所属: 慶應義塾大学大学院政策・メディア研究科
• 著者所属: 慶應義塾大学環境情報学部
• 著者所属(英): en
• 著者所属(英): Graduate School of Media and Governance, Keio University
• 著者所属(英): en
• 著者所属(英): Faculty of Environmental Information, Keio University
• 著者名: 舘俊太; 武藤佳恭
• 著者名(英): Shunta, Tate; Yoshiyasu, Takefuji
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 教師なしクラスタリングにおいて，各クラスタの標本数やクラスタ中心までの最大距離などといった条件や事前知識を反映させる手法は現実問題への応用が大きい．この分野ではファジィクラスタリングモデルや制約条件付きK-平均法などが広く研究されているが，本稿ではニューラルネットを用いた組合せ最適化問題として定式化する方法を述べる．提案モデルは代表点と標本点の組合せに対応したマトリックス状のニューロンからなり，入力値に制約条件を反映する制約項を設ける．これを最小化するようにニューロンを動作させることにより，ニューラルネットで制約条件付きクラスタリングを実現できることを示した．また実験により他のニューラルネット手法に比べても振動解や局所解への収束が少ないことを示した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In unsupervised clustering, the technique of using prior knowledge and setting conditions including restriction of the number of samples in each cluster and restriction of the maximum distance from each sample to a cluster center, has many applications in solving real-world problems. We have used a Hop field neural network in order to formulate a clustering problem as optimized combination problem. The neural network consists of a neuron matrix corresponding to the combination of the clusters and each data sample. Each neuron’s motion equation includes constraint terms for clustering. The experimental result showed the effectiveness of the proposed model with less degree of convergence to an oscillatory solution or local minimum.
• 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: AA11464803
• 書誌情報: 情報処理学会論文誌数理モデル化と応用（TOM）; 巻 44, 号 SIG07(TOM8), p. 91-98, 発行日 2003-05-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7780
• 出版者 / 言語: ja
• 出版者: 情報処理学会