「わかりやすいパターン認識」
第2章：後半
２．４ 区分的線形識別関数
区分的識別関数の機能
このような分布のときは、
線形識別関数ではクラス
間を分離できない。
プロトタイプの数を増や
す
区分的識別関数の機能
このような分布のときは、
線形識別関数ではクラス
間を分離できない。
プロトタイプの数を増や
す
ボロノイ図
区分線形識別関数
g i ( x)  max {g ( x)}
(l )
i
l 1,･･･, Li
g ( x)  
(l )
i
d
(l )
i0
   x j (i  1,2,････, c)
j 1
(l )
ij
・ lはiに含まれるプロトタイ
・ gi(l ) ( x)を副次識別関数という
プ
区分線形識別関数
g1 ( x)
・・
・
入
力
ｘ
g i (x)
g i (x)
gc (x)
・・
・
最
大
値
選
択
機
出
力
ク
ラ
ス
ω
区分線形識別関数
g1 ( x)
・・
・
g i(1)
入
力
ｘ
・・
・
g i (x)
g i(l )
・・
・
gi( Li )
gc (x)
・・
・
最
大
値
選
択
機
最
(l )
大
{
g
i ( x)}
max
値
l
選
択
機
出
力
ク
ラ
ス
ω
ニューラルネットワークとの関係
• フィードフォワード型の多層ニューラルネットワーク
• 区分的識別関数とニューラルネットワークとは極限にお
いて等価
• ニューラルネットワークの利用が従来不可能なことを可
能にするわけでない
• ニューラルネットワークに対して考案された誤差逆伝播
法は高い学習能力を持つ

改正会社法の要点詳解

改正会社法の要点詳解

Detailed Image - dr2 Home Design