抄録
昨今の近似最適化では,ガウス分布関数を基底関数とする方法が主流となっている.そして,近似の精度を決定するパラメータとしてガウス分布の半径に着目し,パラメータ調整に関する論文も出てきている.筆者らが開発した畳込みRBFは,RBF自体が持っている特徴として,学習点を通らないという性格を逆に利用し,半径の大きい順に近似を繰り返すことで必要な精度を得られるものであり,ある意味において半径というパラメータ調整自体を不要にするものであった.ガウス分布関数を基底とする近似方法の場合,学習点における精度の向上と同時に未学習部分の汎化能力が必要となる.しかしながら,学習点上に基底の中心を配置してる場合,この汎化性を十分に得ることは難しい.本研究では,一定のスキームを設定することで,この問題に対する解決方法を提示し,その有効性の検証をベンチマーク問題を通じて行った
