抄録
階層型ニューラルネットワークには誤差逆伝搬学習によって非線形関数を近似する能力がある．ニューラルネットワークの学習能力と，構造，学習条件といった複数の設計変数との間の関係は複雑であるため，学習能力の高いニューラルネットワークを設計することは困難である．そこで，定量的な指標に基づいてニューラルネットワークを効率的に設計するために，直交配列表と分散分析に基づく実験計画法を導入することを提案する．従来の方法との違いは，ネットワークの構造，学習条件といったパラメータをできるだけ多く取り上げることによって，それらのパラメータの局所最適化を図ることである．提案手法を一般的な階層型ニューラルネットワークに応用し，その有効性を検証した．3層ネットワーク，5層ネットワークを対象としてネットワークの設計を行い，パラメータの個数，層数，繰り返し回数がネットワークの学習能力に与える影響を評価した．
