文献

J-GLOBAL ID：201202236281592352   整理番号：12A0835678

確率学習における分布の近似

Approximating distributions in stochastic learning

著者 (3件)： LEEN Todd K. (Dep. of Biomedical Engineering, Oregon Health & Sci. Univ., Portland, OR, USA) ,  FRIEL Robert (Courant Inst. of Mathematical Sciences, New York, NY, USA) ,  NIELSEN David (Dep. of Biomedical Engineering, Oregon Health & Sci. Univ., Portland, OR, USA)
資料名： Neural Networks  (Neural Networks)
巻： 32  ページ： 219-228  発行年： 2012年08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： オンライン機械学習アルゴリズム,多数の生物学的スパイクタイミング依存型可塑性(STDP)学習ルール,確率的神経力学は,Markov過程により進化する。そのようなシステムの完全な記述によりこれら変数に対する確率密度が与えられる。これら密度の進化および均衡状態は,離散時間でのChapman-Kolmogorov方程式または連続時間におけるマスター方程式により与えられる。これらの定式化は関心のあるほとんどのケースに対して解析的には実行不能であり,進めるためには,その代わりに,非線形Fokker-Planck方程式(FPE)が用いられることが多い。このFPEは制限付きであり,ジャンプ過程(これらの問題におけるように)の記述のためにそれを応用することは基本的に欠点があることを論じる人もいる。ここでは,密度およびそのモーメントの両者に対して近似を与える整礎的摂動拡大を開発した。提案アプローチは統計物理学におけるシステムサイズ拡大(それは密度に対する近似を与えない)に基づいているが,ここでのシンプルな開発手法ではこの手法をアクセシブルにしており,多様な問題に対してのアプリケーションを導く。2つの生物学的観測に基づくSTDP学習ルールおよびシンプルな非線形機械学習問題に対する均衡分布計算のために提案手法を適用した。これら3つの実例すべてにおいて,ここで提案した摂動級数は,FPEが失敗するような体制におけるモンテカルロ法シミュレーションと良く一致することを示した。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 ,  Fokker-Planck方程式 ,  *Markov過程 ,  *機械学習 ,  学習アルゴリズム ,  学習 ,  方程式 ,  *近似法 ,  確率分布 ,  摂動法 ,  モンテカルロ法 ,  シミュレーション
準シソーラス用語： Chapman-Kolmogorov方程式 ,  モンテカルロシミュレーション ,  確率学習 ,  学習ルール

分類 (4件)： ニューロコンピュータ  (JC06010Q) ,  システム・制御理論一般  (IA02010H) ,  人工知能  (JE08000Z) ,  数値計算  (JE02000J)

タイトルに関連する用語 (3件)： 確率学習 ,  分布 ,  近似