「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
 区分線形識別関数
g i ( x) = max {g ( x)} (l )
i
l =1,･･･, Li
d
g ( x) = ω
(l )
i
(l )
i0 + ∑ ω x j 　　
(i = 1,2,････, c)
(l )
ij
j =1

・lはω iに含まれるプロトタイプ
・g i( l ) ( x)を副次識別関数という
 区分線形識別関数
g1 ( x)

最 出
入 大
g i (x)
g i (x)
値 力
力 選
ｘ 択 ク
機 ラ
ス
ω
g c (x)
 区分線形識別関数
g1 ( x)

g i(1)
最 最 出
入 大 max{g ( x)} 大
(l )

g i (x) 値 l
i
値 力
力 g i(l ) 選 選
ｘ 択 択 ク
機 機 ラ
g i( Li )
ス
ω
g c (x)
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