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。
複素H opfieldニューラルネットワーク(-C6H4-CH=N-N)はHopfield神経回路網の多状態モデルである。低雑音耐性の欠点がある。一方,対称-C6H4-CH=N-N(SCHNN)は雑音耐性を改善することが-C6H4-CH=N-Nの修飾である。さらに,ロータH opfieldニューラルネットワーク(RHNN)は-C6H4-CH=N-Nの拡張である。CHNNsとSCHNNsの貯蔵容量2倍,CHNNsよりもはるかに優れたノイズ耐性を有し,多くの結合パラメータの2倍を必要とする。本短報では,この-C6H4-CH=N-N,SCHNN,RHNNの関係を調べる;RHNNは-C6H4-CH=N-NとSCHNNに分解した。さらに,RHNNsのためのHebb学習則はCHNNsとSCHNNsに分解した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】