はてなブックマーク

RBFネットワークとは RBFネットワークは有限個の入出力データを補完する方法として提案された，3層から構成されるニューラルネットワークです． 多層パーセプトロンと同じく任意の非線形関数の近似が可能です． RBFネットワークの大きな特徴のひとつに，最小二乗法によって関数の最良近似法を導くことができる点が挙げられます．つまり，多層パーセプトロンなどでよく問題となるローカルミニマムの問題がありません． これによってネットワークは安定した学習が可能になります． RBF（Radial Basis Function) 日本語では放射基底関数と呼ばれています．RBFは関数の中心を表すパラメータを持っており， 入力ベクトルと中心を表すパラメータとの距離によって値が決まります．

SOMはニューラルネットワークの一種で 与えられた入力情報の類似度をマップ上での距離で表現するモデルです． 技術が発達した現代では複雑な情報が数多く存在します． しかしそのような高次元データを人間が瞬時に理解することは困難です． SOMは高次元データの中に存在する傾向や相関関係の発見などに応用することができ 人間が高次元データを視覚的に理解する手助けを行ってくれます． SOMの特徴を一言であげるとすれば 様々な高次元データを予備知識なし（教師なし）にクラスタリングできる点にあります． またこれが自己組織化といわれる所以です． SOMは主にデータマイニングの１手法として応用され， データの分類，視覚化，要約などを得意としています． 現在ではプロセス解析，制御，検索システム，さらには経営のための情報分析など 実社会において重要な分野へ応用されています． SOMは規則的

RBFネットワークは有限個の入出力データを補完する方法として提案された， 3層から構成されるニューラルネットワークです． 多層パーセプトロンと同じく任意の非線形関数の近似が可能です． RBFネットワークの大きな特徴のひとつに， 最小二乗法によって関数の最良近似法を導くことができる点が挙げられます． つまり，多層パーセプトロンなどでよく問題となるローカルミニマムの問題がありません． これによってネットワークは安定した学習が可能になります．