NEURAL NETWORK COMPUTATION METHOD AND DATA CLASSIFICATION SYSTEM

[Problem] Group classification output results for learning and discrimination problems solved with conventional neural networks are challenging to explain to people in an easy-to-understand manner, which therefore impedes implementation. [Solution] In the present invention, a neural network device 30: executes construction by using an additive and differential neural network in which target values indicating features of a discrimination subject are divided into magnitudes, ratios, differences, differential ratios, and the like; and performs parallel processing. Discrimination output values obtained by converting each of the output values to point output values and summing same are used to perform classification. The resulting group classification output results and computation processes can be explained to people in an easy-to-understand manner, with the use of a variety of statistical graphics, thus enabling highly accurate and reliable implementation. [Problème] Des résultats de sortie de classification de groupe correspondant à des problèmes d'apprentissage et de discrimination résolus avec des réseaux neuronaux classiques sont difficiles à expliquer à des personnes sous une forme facile à comprendre, ce qui empêche donc la mise en œuvre. [Solution] Dans la présente invention, un dispositif de réseau neuronal : exécute une construction à l'aide d'un réseau neuronal différentiel et additif dans lequel des valeurs cibles indiquant des caractéristiques d'un sujet de discrimination sont divisées en amplitudes, rapports, différences, rapports différentiels et similaires ; et effectue un traitement parallèle. Des valeurs de sortie de discrimination obtenues par conversion de chacune des valeurs de sortie en valeurs de sortie ponctuelles et par addition de celles-ci sont utilisées pour effectuer une classification. Les résultats de sortie de classification de groupe résultants et les processus de calcul peuvent être expliqués à des personnes sous une forme facile à comprendre, avec l'utilisation d'une variété de graphiques statistiques, ce qui permet une mise en œuvre très précise et très fiable. ［課題］従来のニューラルネットワークを使って解いた学習及び判別問題の群分類出力結果は人にとって判りやすい説明が困難であり、実装の妨げとなっている。 ［解決手段］ニューラルネットワーク装置３０は、判別対象の特徴を示す目標値を大きさ、比、差、差分比等に分けた加算型及び差動型ニューラルネットワークを用いて構築し、並列処理を行う。それぞれの出力値をポイント出力値に変換し合算した判別出力値を用いて分類を行う。その得られた群分類出力結果及びその演算過程は、種々の統計図を用いて人に判りやすい説明ができ、精度及び信頼性の高い実装を可能にすることができる。