GENERALIZATION TECHNIQUES FOR LAYERED NEURAL NETWORKS IN THE CLASSIFICATION OF REMOTELY SENSED IMAGES
Eihan SHIMIZU, Morito Tsutsumi, Lê Văn Trung · Doboku Gakkai Ronbunshu · 1999
リモートセンシングデータの分類問題へのノンパラメトリックな接近法の一つとして, 近年, 階層型ニューラルネットワーク (LNN) を用いた分類モデルが注目され, 従来の最尤法による手法等と比較しても高い推定能力を有していることが確認されている. しかし, この高い推定能力は, LNNの関数としての複雑さとその学習方法に支えられているのであり, 安易な適用はモデルとしての汎化性 (未知データに対する推定能力) を著しく損ねることが指摘されている. 本研究ではLNN分類モデルの汎化性問題について, LNN分類モデルの出力がベイズの事後確率を近似することを利用し, 情報量統計学の視点から整理を行った. 次に, 情報量基準の一つである赤池の情報量基準を用いた汎化性向上の設計手法を示し, 実際の土地被覆分類問題に適用してその有効性について検討した.