文献

J-GLOBAL ID：201702265508549799   整理番号：17A1297110

拡がる人工ニューラル・ネットワークの可能性 スパイク時間依存可塑性と動的ボルツマンマシン

著者 (1件)： 恐神貴行 (日本アイ・ビー・エム 東京基礎研)
資料名： PROVISION  (PROVISION)
号： 92  ページ： 34-39  発行年： 2017年09月21日 
JST資料番号： L4063A  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 人工ニューラル・ネットワークのビジネスへの活用が注目されていますが,特に時系列データを学習の対象とする場合には,大量の計算資源が必要になります。本稿では,時系列データを効率的に学習する人工ニューラル・ネットワーク「動的ボルツマンマシン」について解説します。特に,動的ボルツマンマシンの自然な学習則は,生物の神経回路網の学習則としで知られるスパイク時間依存可塑性の性質を持っており,その背景と意義を説明するとともに,動的ボルツマンマシンの活用の可能性について紹介します。(著者抄録)

シソーラス用語： *Boltzmannマシン ,  事業 ,  *時系列分析 ,  時系列 ,  *機械学習 ,  動特性 ,  塑性 ,  パラメタリゼーション ,  時間依存性
準シソーラス用語： ビジネス ,  可塑性

分類 (3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)

引用文献 (7件)：

• Takayuki Osogami, Makoto Otsuka: Seven neurons memorizing sequences of alphabetical images via spike-timing dependent plasticity, Scientific Reports, Vol. 5, 14149 (2015).
• 恐神貴行,大塚誠: スパイク時間依存シナプス可塑性により文字画像の列を記憶する7つの神経細胞, 月刊「画像ラボ」, 2017年1月号, pp.41-48(2017).
• 恐神貴行,大塚誠: 時系列データを認識するニューラルネットワーク「動的ボルツマンマシン」, 機能材料, 2016年3月号, Vol.36, No.3, pp.51-58 (2016).
• Sakyasingha Dasgupta, Takayuki Osogami: Nonlinear dynamic Boltzmann machines for time-series prediction: Proceedings of the 31st AAAI Conference on Artificial Intelligence, pp. 1833-1839 (2017).
• Takayuki Osogami, Hiroshi Kajino, Taro Sekiyama: Bidirectional learning for time-series models with hidden units, Proceedings of the 34th International Conference on Machine Learning (2017).

タイトルに関連する用語 (6件)： 人工ニューラル・ネットワーク ,  可能性 ,  スパイク ,  時間依存 ,  可塑性 ,  ボルツマンマシン