電子情報通信学会総合大会講演要旨
D-12-26
自己組織化マップにおける競合層の動的構成法
○檜山昌弘・山内ゆかり(日大)
情報技術の急速な発達に伴い,世界中でデータの量が複雑かつ膨大になっていることから,データマイニングは重要な課題である。クラスタリングは代表的な分析手法の一つであり,自己組織化マップ(Self-Organizing Map: SOM)の利用が注目されている。SOMの改良は、ニューロンの役割による学習率の差別化や、データの類似度を考慮した近傍関数など,学習部分に関する研究が主流である。これらの手法の評価には量子化誤差(Qe),トポロジー誤差(Te),ニューロン使用率(U)等の指標が用いられるが,各手法によりトレードオフがある。須藤らは、ニューラルネットワークの構造を動的に構成する自己増殖型ニューラルネットワーク(Self-Organizing Incremental Neural Network: SOINN)を提唱し、予めデータの特徴やクラスのないクラスタリングでの有効性を示した。本研究では,須藤らの自己増殖の概念に基づき、SOMの学習と共に競合層を動的に構成する動的自己組織化マップを提案する。