高次ニューラルネットワークにおけるDynamic Coalescence Model動作機序の擬似実現

摘要

本論文は，クラスタリング手法DCM(Dynamic Coalescence Model）における単位時間毎の点移動の性質（静特性）に基づく特徴ベクトル変換系，DCMの再帰動作機序が導く点分布変換の性質（動特性）に基づく（類似·未知）追加学習パターン生成系，および改良型識別系HONNから構成される認識系の認識率が，学習パターン数が少ない場合高くない欠点を改善する，追加学習特徴ベクトルの生成手法を提案する。提案手法は各学習パターン（点分布）の概略を表すベクトルを，遠い距離にある2点関係のみを用い，理論的に確実かつ容易に複数生成する。 それらは点分布がもつ様々な性質を表現するため，特に学習パターン数が少ない場合の認識率を改善する。 具体例として分有同定および手書き文字認識を取り上げ，提案手法の有効性を実験的に考察する。