◎杉山享志朗・井上浩孝（呉高専）

本研究ではT.Kohonenによって提案された自己組織化マップ(SOM)を応用し，Wenらによって提案された木構造の自己生成ニューラルネットワーク(SGNN)を複数用いてアンサンブル学習によって認識精度を高めた自己組織化ニューラル木立(SONG)を扱う。先行研究では，SGNNの並列化に際し，教師データの抽出にBagging法を用いているが，本研究ではブースト法として一般に知られているAdaBoostを用い，SONGの更なる性能向上を追求した。