文献

J-GLOBAL ID：201202211348833004   整理番号：12A1222297

拘束面への接平面に近づくことによる完全なリカレントニューラルネットワークでの学習

Learning in fully recurrent neural networks by approaching tangent planes to constraint surfaces

著者 (3件)： MAY P. (K Coll., Brook Street, Tonbridge, Kent, TN9 2PW, GBR) ,  ZHOU E. (Fac. of Advanced Engineering and Sciences, Univ. of Bolton, Bolton, BL3 5AB, GBR) ,  LEE C.w. (Fac. of Advanced Engineering and Sciences, Univ. of Bolton, Bolton, BL3 5AB, GBR)
資料名： Neural Networks  (Neural Networks)
巻： 34  ページ： 72-79  発行年： 2012年10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,WilliamsとZipser(1989)によって提案されたオンライン実時間リカレント学習アルゴリズムの新しい改良版を提案した。もとのアルゴリズムは最小訓練誤差に向けて探索を導くために勾配情報を利用する一方,大半の適用においてとても遅く,しばしば探索空間の極小値を抜け出せなくなる。また,学習率の選択に敏感で注意深い調整が必要である。新たな改良版は拘束面への接平面に移動することによって重みを調整する。それは実装が単純で,手作業で設定が必要なパラメータがない。実験結果から新しい本アルゴリズムが極小値のような問題を避けながら,かなり収束を速めることを示した。Copyright 2012 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 ,  *機械学習 ,  神経回路網 ,  *学習アルゴリズム ,  勾配 ,  探索問題 ,  空間 ,  重みづけ ,  パラメタリゼーション ,  評価試験 ,  高速化
準シソーラス用語： リカレントニューラルネットワーク ,  探索空間

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 (3件)： 拘束 ,  リカレントニューラルネットワーク ,  学習