パターン識別

次に、３種類のアヤメから４種類の特徴を計測した Fisher のアヤメのデータに対す る識別問題の学習を試みた。ここでも中間層が１層のネットワークを用いた。入力層・ 中間層・出力層のニューロンの数は４、２、３個とした。なお、入力特徴は、各特徴 ごとに平均 $0$、分散 $1$ に正規化した。初期パラメータは、XOR 問題の場合と同 様に、$[-0.5,0.5]$ の間の一様乱数により設定し、全ての学習法に対して同じも のを用いた。

また、BP 法と SD 法でのパターンの提示の順番はランダムとし、BP 法および SD 法 の学習率は、 $\alpha = 1/150$ とした。

図 4.5: パターン識別問題に対するパラメータの学習

図4.5 (a) および (b) に、学習の様子を示す。ここでも、SD 法は BP 法よりも速く収束している。また、FS 法および UFS 法では、数回の繰り返し で収束している。