抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
内部層はランダムな重みで固定されるエコー状態ネットワークは最近開発された型リカレントニューラルネットワークであり,唯一の出力層は,特定のデータ上で訓練される。エコー状態ネットワークは実世界の設定における空間-時間データ,音声認識,事象検出とロボット制御を処理するためにますます使用されている。エコー状態ネットワークの強さは出力層を訓練するために使用した簡単な方法 典型的に最小二乗法を用いて得られた線形読出し量の集合である。訓練と使い方低計算コストに直接的にもかかわらず,この方法は雑音のあるデータに許容できる精度特性を導くとは限らない。本研究では,雑音のあるデータの分類を行うために三エコー状態ネットワーク出力層法の性能を比較した:訓練された線形重みを用いた,スパース訓練された線形重みを用いた,貯留層状態の訓練された低ランク近似を用いた。法は,合成および天然データセットの両者の上で実験的に調べた。実験から,線形出力重みを訓練するために,正則化最小二乗を用いて低雑音データに優れていることを示唆しているが,低ランク近似を用いたより高い雑音レベルで汚染されたデータセットの精度を著しく改善する。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】