自己組織化写像の対応づけと学習評価への応用

摘要

Several artificianl neural networks, which were devised by imitating biological neural networks, are now being used as learning machines in pattern recognition and artificial intelligence. However, such machines are non-identifiable and have many local solutions, resulting that the trained system becomes different even for the same training samples. In this paper, we study a self-organizing map, and propose that the correspondence of the different solutions is useful to study such nonidentifiable problems. Experimental study about many cities in Japan shows the effectiveness of the proposed method.%生体神経回路の動作を模倣することにより考案された人工神経回路網はパターン認識や人工知能に応用されているが、パラメータと学習モデルが一対一に対応せず多数の局所解を持っために同じ学習サンプルに対しても学習結果が異なることがあるという問題を有している。本論文では、自己組織化写像のニつの学習結果の間に対応づけを作る方法を提案し、データに対して学習モデルが冗長であるかどうかの評価を行う際に有用であることを述べる。また提案方法を市区町村のデータに適用することにより、その有効性を示す。