文献

J-GLOBAL ID：201002257542609510   整理番号：10A0450813

カオスによる合成的方法での確率時系列を模擬するための学習

Learning to imitate stochastic time series in a compositional way by chaos

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： 23  号： 5  ページ： 625-638  発行年： 2010年06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： 本研究では,RNNエキスパートモデルの混合により,自己組織化カオスを手段とした複数のプリミティブパターンの結合であるシーケンス生成能力,が獲得可能になることを示した。提案モデルを訓練することにより,各エキスパートはプリミティブなシーケンスパターンを学習し,ゲーティングネットワークは初期条件に対する高感度依存性を利用してカオスダイナミックスを介して複数プリミティブの確率的スイッチングを模擬するために学習を行う。一つのデモンストレーションとして,ここでは,提案モデルがカオスダイナミックスによりいくつかのLissaious曲線の間でのMarkov連鎖スイッチングを学習するという数値シミュレーションを提案した。ここでの解析では,ネットワークメモリ容量とバランスの取れた十分な量の訓練データを用いることにより,カオス動的系の中にターゲット確率シーケンスを埋込むための条件を満たすことが可能であることを示した。カオスモデルにより確率時系列の再構成を行うことがこのモデルのダイナミックスに対する無視できる程度のノイズを追加することにより確立可能になることも示した。Copyright 2010 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *ニューラルネットワーク ,  *カオス ,  *自己組織化 ,  機械学習 ,  システムダイナミックス ,  確率モデル ,  Markov連鎖 ,  計算機シミュレーション ,  雑音 ,  カオスダイナミックス ,  数学モデル ,  計算機利用 ,  利用
準シソーラス用語： ノイズ ,  *回帰ニューラルネットワーク ,  *自己組織化カオス

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  ゆらぎ,ランダム過程,Brown運動,輸送過程の一般的理論  (BA08020B) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： カオス ,  確率 ,  時系列 ,  学習