あいまいさを許容したバイナリーニューラルネットの学習時性について

摘要

This paper applies the genetic algorithm (GA) to the binary neural networks (BNN) with fuzziness tolerance and studies learning characteristics. A GA based learning is suitable to reduce the number of hidden neurons and to tolerate noise and outliers. We change the number of genes which have possibility of mutation in GA. We think it settles to the optimum solution fast because it increases rate of random. Performing basic numerical experiment, the algorithm effciency is confirmed.%本論文は、あいまいさを許容したバイナリーニューラルネットワークに遺伝的アルゴリズム（GA）を適応し、その学習特性を考察している。GAを用いた学習は中間層ニューロン数の削減と誤りの許容に対して柔軟に対応できる。GAの遺伝的操作において、突然変異する可能性のある遺伝子の個数を可変値にした。そうすることでランダム性を増加させ、局所解からの脱出を図り、最適解への収束を高速化しようという考えである。基本的な数値実験を通じてそのアルゴリズムの効果を確認した。