@article{oai:bunkyo.repo.nii.ac.jp:00003239,
 author = {鈴木, 昇一},
 journal = {情報研究, Information and Communication Studies},
 month = {2000-01-01, 2011-02-23},
 note = {パターン認識の数学的理論(SS理論)では、入力パターンφ に対応するパターンモデルTφを求め、Tφから不動点パターンモデルを連想する形で、φの帰属するカテゴリを決定する多段階パターン変換連想形不動点認識法(SS連想形不動点認識法)が考えられている。
　訓練データ上で定義された出現確率分布を求めながら、ランダムな分類機能から開始し訓練データに関する分類誤差を次第に減少させることの可能な2カテゴリ分類規則を学習できる"適応的ブースティングアルゴリズムAda Boost"を適用できるように、SS連想形不動点認識法を可能ならしめる3構成基本要素(3つのaxiom 1～3を各々、満たさなければならないモデル構成作用素T、類似度関数SM、大分類関数BSC)の内の最後の大分類関数BSCの構造形式が先ず、設定される。その後、設定された大分類関数BSCのカテゴリ分類機能を改良できることが示される。
　SS理論に計算論的学習の働きが取り入れられ、SS理論には数理形態学(mathematical morphology)、wavelet理論、動径基底関数族による学習理論、ニューラルネット理論の成果を取り入れ可能なことは既に示されている諸事実を思い起こすと、本研究によってSS理論の枠組の一般性を益々、正当付ける1つの証拠が明らかにされたといえよう。
\n　A recognition system RECOGNITRON which has been presented in a mathematical theory(i.e.SS theory) of recognizing patterns suggested by S.Suzuki gets a corresponding pattern-model Tφ of an input pattern φ in question to be recognized,and determines a category to which φ belongs so that a fixed-point pattern-model that appeared on a final stage of a muti-stage structural-fertilization transformation of pattern-models may be recalled in such a way of solving a. fixed-point equation of associative reconition about Tφ. RECOGNITRON necessitates a model-construction opearator T, a similarity-measure function SM and a rough classifier (binary-state classifier) BSC in order to search a category to which an input pattrn φ belongs.
　The classifier BSC is a mapping from a direct product Φ×J of a pattern-space Φ and a set J of category numbers to {0,1}. If BSC (φ,j) = 1 then there is a possibility that pattern φ may belong to the jth category.
　An application of an adaptive boosting algorithm Ada Boost appeared in a computational learning theory will help SS-theory to construct BSC which can give the possibility of that whether a pattern-model Tφ obtained at any half-waystage of recognition may belong to a category or not.
　"Boosting" is a general method for improving the performance of any learning algorithm. In the theory, boosting can be used to significantly reduce the error of any "weak" learning algorithm that consistently generates BSC which need only be a little bit better than random guessing.
　Previous papers took into SS theory parts of a mathematical morphology, a wavelet theory and a theory of radial-basis function. Similarly it is proved in this paper that SS theory has a general frame of accepting the computational learning.},
 pages = {187--238},
 title = {SS大分類関数BSCの適応的構成への、計算論的学習理論の適用},
 volume = {25},
 year = {}
}