抄録
本研究では，複数の正則化パラメータを持つファジィ推論モデルを提案する．学習に関する研究において，最急降下法におけるローカルミニマムの問題がある．目的関数の誤差項に正則化項を付加することにより，この問題が改善されることが知られおり，正則化の適用は，構造が決められたファジィ推論モデルに対して最急降下法の欠点を補正することができる．本研究では，正則化項を付加する場合に，その影響度を調整するパラメータである正則化パラメータに注目する．このパラメータを単一の係数ではなく，複数の値を持つベクトルにすることにより，各パラメータが各ルールに作用するモデルを考える．ルールごとに正則化パラメータを与えることで、後件部の重みと正則化パラメータが１対１の対応となり、重みの推論出力に対する影響度合いを知ることができる。数値シミュレーションを通じて提案モデルの有効性について検証する．
