類似度を考慮した近傍学習による適応型自己組織化マップ

摘要

原口らは，SOMにアリの世界を適用した怠けニューロンを含んだ自己組織化マップ（Lazy Self-Organizing Map: LSOM）を提案した．この手法においては勝者ノードと競合層のマップ上の距離が遠いノードを怠けニューロンとし学習を行わないことにより，入力データの分布状態を反映した自己組織化ができる．しかし，参照ベクトルのマップ上の距離ではなく，類似度が離れているものを学習対象から除外する方が，データの局所構造を維持した学習が行えると考えられる．そこで，本研究では近傍内であったとしても類似度が低い場合は学習を行わない，適応型近傍学習を提案する．提案手法により量子化誤差及びニューロン使用率は大幅に改善された．