文献

J-GLOBAL ID：201402270576492099   整理番号：14A0268883

逆関数ゼロ遅延モデルを用いたニューラルネットワークの学習

著者 (4件)： 堀内優太 (東北大 電気情報通信研 ブレインウェア実験説/ナノ・スピン実験施設) ,  早川吉弘 (仙台高専) ,  佐藤茂雄 (東北大 電気情報通信研 ブレインウェア実験説/ナノ・スピン実験施設) ,  中島康治 (東北大 電気情報通信研 ブレインウェア実験説/ナノ・スピン実験施設)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 113  号： 383(NLP2013 129-163)  ページ： 73-76  発行年： 2014年01月14日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 生物本来のニューロンに基づいたニューロンモデルの一つとして,逆関数遅延モデル(IDモデル)が提案されている。これは発信能力を持つニューロンモデルで,一部の組み合わせ最適化問題における極小値問題の完全回避が可能である。しかしながらIDモデルは計算コストが大きい問題があった。そのため大規模な問題にIDモデルを適用するのは困難であった。この問題は逆関数ゼロ遅延モデル(IDLモデル)の提案により,組み合わせ最適化問題においては改善された。しかしIDLモデルの学習性能についてはまだ議論されていない。そこで本研究はIDLモデルに階層型ネットワークを構築し,バックプロパゲーション(BP)学習の導出を検討する。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *階層構造 ,  関数 ,  *逆伝搬法 ,  *組合せ最適化問題 ,  *極小値 ,  回避 ,  原価 ,  *学習 ,  シミュレーションモデル ,  負性抵抗 ,  過程 ,  時間 ,  ミクロモデル ,  階層型ニューラルネットワーク ,  逆関数 ,  計算コスト ,  神経回路網モデル
準シソーラス用語： ニューロンモデル ,  バックプロパゲーション ,  マクロモデル ,  学習過程 ,  完全回避 ,  逆関数遅延モデル ,  収束時間 ,  遅延モデル

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  数値計算  (JE02000J)

タイトルに関連する用語 (5件)： 逆関数 ,  遅延 ,  モデル ,  ニューラルネットワーク ,  学習