The element construction unit (13) compares the output values and thresholds of more than one element contained in the middle layer (2) calculated by the output value calculation unit (12). If any output value of more than one element contained in the middle layer (2) is greater than the threshold value, the number of elements contained in the middle layer (2) is maintained, and if the output value of more than one element contained in the middle layer (2) is complete. If the part is below the threshold value, the number of elements contained in the middle layer (2) is increased.
【技术实现步骤摘要】
【国外来华专利技术】网络构筑装置和网络构筑方法
本专利技术涉及构筑神经网络的网络构筑装置和网络构筑方法。
技术介绍
神经网络是级联连接有输入层、中间层和输出层的网络。神经网络是一种近似函数,通过事前学习输入数据与输出数据的相关关系,在赋予了任意的输入数据时,预测与任意的输入数据对应的输出数据。中间层包含的元素的数量等神经网络的构造往往由神经网络的设计者手动决定,但是,不熟知神经网络的设计者很难适当决定神经网络的构造。在以下的非专利文献1中公开有如下的网络构筑方法:使用被称作AiS(AddifSilent)的方法,自动决定神经网络的构造。该神经网络是被称作新认知机的模仿生物的视觉信息处理的神经网络,该神经网络的中间层包含的元素是输入输出响应由归一化线性函数决定的元素。现有技术文献非专利文献非专利文献1:Fukushima,K.:“Artificialvisionbymulti-layeredneuralnetworks:Neocognitronanditsadvances”,NeuralNetworks,vol.37,pp.103-119(2013).
技术实现思路
专利技术要解决的课题现有的网络构筑方法如上所述构成,因此,如果中间层包含的元素是输入输出响应由归一化线性函数决定的元素,则能够自动决定中间层包含的元素的数量等。但是,在中间层包含的元素是输入输出响应由高斯函数决定的元素的情况下,存在即使使用被称作AiS的方法也无法自动决定中间层包含的元素的数量等这样的课题。本专利技术正是为了解决上述课题而完成的,其目的在于得到如下的网络构筑装置和网络构筑方法:即使中间层包含的元素是输入 ...
【技术保护点】
1.一种网络构筑装置,其中,所述网络构筑装置具有:输出值计算部,其在构筑具有中间层的神经网络时,按照所述神经网络的输入层包含的元素的输出值计算所述中间层包含的1个以上的元素的输出值,所述中间层包含输入输出响应由高斯函数决定的元素;以及元素构筑部,其对由所述输出值计算部计算出的1个以上的元素的输出值和阈值进行比较,如果所述中间层包含的1个以上的元素的输出值中的任意元素的输出值大于所述阈值,则维持所述中间层包含的元素的数量,如果所述中间层包含的1个以上的元素的输出值全部为所述阈值以下,则实施增加所述中间层包含的元素的数量的元素构筑处理。
【技术特征摘要】
【国外来华专利技术】1.一种网络构筑装置,其中,所述网络构筑装置具有:输出值计算部,其在构筑具有中间层的神经网络时,按照所述神经网络的输入层包含的元素的输出值计算所述中间层包含的1个以上的元素的输出值,所述中间层包含输入输出响应由高斯函数决定的元素;以及元素构筑部,其对由所述输出值计算部计算出的1个以上的元素的输出值和阈值进行比较,如果所述中间层包含的1个以上的元素的输出值中的任意元素的输出值大于所述阈值,则维持所述中间层包含的元素的数量,如果所述中间层包含的1个以上的元素的输出值全部为所述阈值以下,则实施增加所述中间层包含的元素的数量的元素构筑处理。2.根据权利要求1所述的网络构筑装置,其特征在于,所述网络构筑装置具有初始设定部,该初始设定部按照所述中间层包含的每个元素,对与该元素有关的高斯函数的参数进行初始设定,所述输出值计算部针对具有由所述初始设定部初始设定后的参数的高斯函数代入所述输入层包含的元素的输出值,由此计算所述中间层包含的元素的输出值。3.根据权利要求2所述的网络构筑装置,其特征在于,所述网络构筑装置具有参数更新部,在由所述元素构筑部实施元素构筑处理后对所述输入层赋予了学习数据时,该参数更新部实施进行所述高斯函数的参数学习的有教师学习,由此,对所述高斯函数的参数进行更新,并且,对所述中间层包含的元素与输出层包含的元素之间的权重进行更新。4.根据权利要求3所述的网络构筑装置,其特征在于,所述参数更新部实施所述有教师学习,由此,对所述输入层包含的元素与所述中间层包含的元素之间的权重进行更新。5.根据权利要求2所述的网络构筑装置,其特征在于,所述输出值计算部使用针对所述中间层包含的各个元素的所述高斯函数中的高斯分布的标准偏差值,作为所述高斯函数的参数之一。6.根据权利要求5所述的网络构筑装置,其特征在于,所述输出值计算部使用所述输入层包含的多个元素的输出值的标准偏差值,作为针对所述中间层包含的各个元素的所述高斯分布的标准偏差值。7.根据权利要求5所述的网络构筑装置,其特征在于,所述输出值计算部使用正实数,作为针对所述中间层包含的各个元素的所述高斯分布的标准偏差值。8.根据权利要求1所述的网络构筑装置,其特征在于,所述元素构筑部使用1以下的正实数作为所述阈值。9.根据权利要求1所述的网络构筑装置,其特征在于,所述元素构筑部使用e-0.25以上且1以下的正实数作为所述阈值。10.根据权利要求3所述的网络构筑装置,其特征在于,作为所述高斯函数的参数,所述参数更新部对表示所述高斯函数中的高斯分布的标准偏差值的参数和表示所述高斯函数的中心坐标的参数中的任意一个以上的参数进行更新。11.根据权利要求1所述的网络构筑装置,其特征在于,所述神经网络具有G(G为2以上的整数)层的中间层,所述G层的中间层级联连接在所述输入层与输出层之间,所述输出值计算部在对第1层的中间层包含的1个以上的元素赋予所述输入层包含的元素的输出值时,按照所述输入层包含的元素的输出值计算第1层的中间层包含的1个以上的元素的输出值,在对第g层(g=2、…、G)的中间层包含的1个以上的元素赋予第(g-1)层(g=2、…、G)的中间层包含的元素的输出值时,按照第(g-1)层(g=2、…、G)的中间层包含的元素的输出值计算第g层...
【专利技术属性】
技术研发人员:毬山利贞,福岛邦彦,松本涉,
申请(专利权)人:三菱电机株式会社,
类型:发明
国别省市:日本,JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。