多目的進化計算に基づくリカレントニューラルネットワークの構造最適化アルゴリズムの改良

抄録

これまでに，ニューラルネットワークの入力層ユニット数や隠れ層ユニット数，学習誤差など複数の目的関数を同時最適化する多目的進化計算を用いて，時系列データの予測などに適したリカレントニューラルネットワークの学習と構造の同時最適化手法が開発されてきた．従来手法ではパレートフロンティア上を一様に探索する手法に基づいて探索を行っていたが，本研究ではユニット数の最小化を考慮しながら学習誤差をより重視した探索を行う手法を開発する．また，複数のベンチマーク問題に対して生成されたリカレントニューラルネットワークの汎化能力について従来手法との比較を行うことで提案手法の有効性を示す．