文献

J-GLOBAL ID：201802221126921340   整理番号：18A0624235

複素数を用いたロータH opfieldニューラルネットワークの分解【Powered by NICT】

Decomposition of Rotor Hopfield Neural Networks Using Complex Numbers

著者 (1件)： Kobayashi Masaki (Mathematical Science Center, University of Yamanashi, Kofu, Japan)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 29  号： 4  ページ： 1366-1370  発行年： 2018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： 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】

シソーラス用語： 対称性 ,  Hebb学習 ,  *ニューラルネットワーク ,  *複素数 ,  雑音安定度 ,  神経回路網
準シソーラス用語： 貯蔵容量 , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 複素数 ,  ロータ ,  ニューラルネットワーク ,  分解