重み付き入力データを用いた位相表現ネットワークによる自己組織化関係ネットワークの改善

抄録

著者らは，あるシステムを設計する際，試行結果とその評価を元に望ましい入出力関係を抽出する手法として，自己組織化関係（SOR）ネットワークが提案している．しかし，ユニットの結合関係は，競合層の構造であらかじめ決定されており，入力信号の位相構造を正しく表現できない場合がある．一方，ユニットの結合関係を自己組織的に獲得する手法として位相表現ネットワーク（TRN）が提案されている．本研究では，評価値付きの入力データを取り扱うTRNの学習アルゴリズムを提案し，自己組織化関係ネットワークの学習精度向上を図る．２次元競合層を使用した従来のSORネットワークと比較して，4入力１出力の場合で７５％の精度向上を実現した．