文献

J-GLOBAL ID：201702290160465493   整理番号：17A0755745

多重Subreservoirsによる成長エコーステートネットワーク【Powered by NICT】

Growing Echo-State Network With Multiple Subreservoirs

著者 (4件)： Qiao Junfei (College of Electronic Information and Control Engineering, Beijing University of Technology, Beijing, China) ,  Li Fanjun (College of Electronic Information and Control Engineering, Beijing University of Technology, Beijing, China) ,  Han Honggui (College of Electronic Information and Control Engineering, Beijing University of Technology, Beijing, China) ,  Li Wenjing (College of Electronic Information and Control Engineering, Beijing University of Technology, Beijing, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 2  ページ： 391-404  発行年： 2017年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
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： エコー状態ネットワーク(ESN)は,訓練リカレントニューラルネットワークのための勾配法の有効な代替手段である。しかし,与えられた応用と一致するESNの構造(主に貯水池)を決定することは困難である。本論文では,成長ESN(GESN)は,貯留層の大きさとトポロジーを自動的に設計するために提案した。GESNブロック行列理論を利用し,多重subreservoirsとGESNを招くことによって既存の貯水池群に隠れユニットを追加した。第二に,GESNの各subreservoir重み行列を予め定義された特異値スペクトル,重みの事後スケーリングなしのESNのエコー状態特性を保証すると生成した。第三に,ネットワークの成長中,GESNの出力重みは,インクリメンタルな方法で更新した。GESNの収束性を証明した。GESNは,人工的および実世界時系列ベンチマーク上で試験した。シミュレーション結果は,提案したGESNは固定サイズやトポロジーを有するいくつかのESNよりも優れた予測性能とより速い学習速度を持つことを示した。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 ,  傾斜法 ,  *多重化 ,  ベンチマーク ,  貯水池 ,  スペクトル ,  シミュレーション ,  位相幾何学
準シソーラス用語： 学習速度 ,  予測性能 ,  特異値 ,  貯留層 ,  リカレントニューラルネットワーク ,  エコー状態ネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 多重 ,  成長 ,  エコー