Upload
elias
View
46
Download
0
Embed Size (px)
DESCRIPTION
「 S elf- O rganizing M ap 自己組織化マップ」 を説明するスライド. Special thanks to H.Kusumoto Keio University Graduate School of Media and Governance Kensuke Naoe. S elf- O rganizing M ap (1). 自己組織化マップ T. Kohonen 1982 年 教師なし学習 応用 遺伝子解析 音声認識 画像解析 ロボット制御. SOM (2) 入力データ(多次元). - PowerPoint PPT Presentation
Citation preview
「 Self-Organizing Map 自己組織化マップ」 を説明するスライド
Special thanks to H.Kusumoto
Keio University
Graduate School of Media and Governance
Kensuke Naoe
Self-Organizing Map (1) 自己組織化マップ T. Kohonen 1982 年 教師なし学習 応用
遺伝子解析 音声認識 画像解析 ロボット制御
SOM (2) 入力データ(多次元)
『自己組織化マップ』 T.Kohonen
SOM (3) SOM による結果
『自己組織化マップ』 T.Kohonen
Self-Organizing Map (4) 入力データ
多次元データ 表だけを見ていてもデータの特性を理解しづらい
SOM による結果 2 次元空間上にマッピングする 似た特徴のデータは近い場所にマッピング 異なる特徴のデータは遠い場所にマッピング 視覚的に理解しやすい
SOM (5) アルゴリズム(1) 入力データ
X1, X2, X3, … , Xi, … , Xn : 動物 Xi =( xi1, xi2, … , xik, … , xid ) :属性
マップ 格子状の 2 次元の空間を用意する データは格子点にマッピングされることになる マップの大きさはデータ量などから決める
( m×m )
SOM (6) アルゴリズム(2) マップの格子点に重みベクトル W を置
く 各 W に入力データと同じ次元数の要素を
与える
W(1,1)
W(1,2)
W(m,m)
SOM (7) アルゴリズム(3) 初期化
入力データ: 4 個 X1, X2, X3, X4
データの属性:3次元 X1=(x11, x12, x13) マップ: 5×5 W(5,5)=(w(5,5)1,w(5,5)2, w(5,5)3)
W の初期値は任意
SOM (8) アルゴリズム(4) 探索 入力データを 1 つ持ってくる
X1=(x11, x12, x13)
W の中から X1 に値が最も近いものを探す
Wwin 勝者ベクトルと呼ぶ
SOM (9) アルゴリズム(5) 学習
X1=(x11, x12, x13)
Wwin の値を X1 に近づける
Wnew=Wold+α(X1-Wold)
α :学習率係数
SOM (10) アルゴリズム(6) 学習
X1=(x11, x12, x13)
Wwin のそばにある W の値もX1 に少し近づける
Wwin から離れるに従って
X1 に近づける割合を減らす
SOM (10) アルゴリズム(6) 学習
このように「 W の値を変えること」を「学習」と呼ぶ
X2,3,4 に関しても同様に学習する
この学習を繰りかえし行う
SOM (11) アルゴリズム(7) マッピング
X1 , X2 , X3 , X4 に対して,それぞれ最も近い W を探し,そこにマッピングする
似た特徴のデータは近くに
異なる特徴のデータ遠くに
マッピングされる
X1X2
X3X4
X1X2
X3X4
実問題への適用 SOM の利点
ほとんどの多次元データを扱える シンプル(複雑な計算式がない) 結果が視覚的にわかりやすい
問題点もある 実問題ではデータ数が多い場合がある
マップ上での表現 計算時間
↓ 実問題への適用には様々な工夫が必要
SOM の問題点(1) 結果の表現方法
入力データ数が多い場合(数百~数万) マップ上に全てを表記するのは不可能
『自己組織化マップ』 T.Kohonen
動物の例題では16 データしかない
SOM の問題点(2) 計算コスト SOM では繰り返し学習(データ数 × 数回)が
必要 データ数が多い場合(数百~数万)なるべく
大きなマップを使いたい 入力ベクトル X に最も近い重みベクトル W を探
す時に, W の個数分の計算が必要になる
↓ 繰り返し学習の回数と,マップの大きさ
( M×M )に比例して計算量が増える