文献

J-GLOBAL ID：200902214019717927   整理番号：08A1224148

適応分散とRNNエキスパート混合を用いた,時間シーケンスのセグメンテーション学習のためのモデル

A model for learning to segment temporal sequences, utilizing a mixture of RNN experts together with adaptive variance

著者 (2件)： NAMIKAWA Jun (Brain Sci. Inst., RIKEN, 2-1 Hirosawa, Wako-shi, Saitama, 351-0198, JPN) ,  TANI Jun (Brain Sci. Inst., RIKEN, 2-1 Hirosawa, Wako-shi, Saitama, 351-0198, JPN)
資料名： Neural Networks  (Neural Networks)
巻： 21  号： 10  ページ： 1466-1475  発行年： 2008年12月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文では,リカレントニューラルネットワーク(RNN)エキスパートモデルの混合に対する新しい学習法を提案した。これは,エキスパート間で動的に切り替えを行うことにより,必要なシーケンスを生成する能力を獲得できる。提案手法は最尤度推定に基づいており,最急降下法アルゴリズムを用いている。このアプローチは従来法と類似している。しかし,各エキスパートに対する分散を変化させる機構を加えることにより尤度関数を修正した。提案手法は9個のLissajous曲線集合の中でのマルコフ連鎖スイッチングを成功裏に学習することを示した。従来法では失敗する。汎化能力により分析した提案手法の学習性能は従来法よりも優れていることも示した。ゲートネットワークの付加により,提案手法は時系列予測と生成の現実的な問題としての小さな人間型ロボットに対するセンサ-モータフローの学習に成功裏に適用できた。Copyright 2008 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *神経回路網 ,  回帰モデル ,  時系列 ,  時系列分析 ,  セグメンテーション ,  最尤法 ,  最急降下法 ,  Markov連鎖 ,  汎化 ,  知能ロボット ,  *学習モデル ,  学習アルゴリズム ,  *リカレントニューラルネットワーク ,  時系列予測 ,  ヒューマノイドロボット
準シソーラス用語： 最尤度 ,  時間シーケンス ,  人間型ロボット

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 適応 ,  RNN ,  エキスパート ,  シーケンス ,  セグメンテーション ,  学習 ,  モデル