文献

J-GLOBAL ID：201702231047844057   整理番号：17A1257622

動的バイナリニューラルネットワークにおける接続スパース性と軌道安定性【Powered by NICT】

Connection sparsity versus orbit stability in dynamic binary neural networks

著者 (3件)： Sato Ryuji (Department of Electrical and Electronics Engineering, Hosei University, Koganei-shi, Tokyo, 184-8584 Japan) ,  Aoki Shunsuke (Department of Electrical and Electronics Engineering, Hosei University, Koganei-shi, Tokyo, 184-8584 Japan) ,  Saito Toshimichi (Department of Electrical and Electronics Engineering, Hosei University, Koganei-shi, Tokyo, 184-8584 Japan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IJCNN  ページ： 4482-4487  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,種々の二元周期軌道を生成できる人工神経回路網における二つの基本的な問題を検討した。第1の問題は,ネットワーク接続のスパース性と標的周期軌道の安定性の間の関係である。第二の問題は,ディジタル回路の比較と軌道安定性における人工神経回路網である。シグナム活性化関数と三つ組のコネクションマトリックスにより特徴づけられた動的バイナリーニューラルネットワークにおけるこれらの問題を考察した。基本的な数値実験を行い,二つの問題の予測を与えた。最初に,接続スパース性が増加すると,軌道安定性が変化した。軌道安定性が非常に強い適切なスパース性が存在する。第二に,結合行列を最もまばらな場合に近づくにつれて,動的バイナリーニューラルネットワークは安定な周期軌道を持たないことをシフトレジスタに等価システムへのアプローチ。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *ネットワーク ,  ディジタル回路 ,  シフトレジスタ ,  周期軌道 ,  *ニューラルネットワーク
準シソーラス用語： 結合行列 ,  数値実験 ,  活性化関数 ,  *スパース性 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  脳・神経系モデル  (EL02050C)

タイトルに関連する用語 (3件)： バイナリ ,  ニューラルネットワーク ,  スパース性