文献

J-GLOBAL ID：201802231531888323   整理番号：18A2175546

ニューラルネットワークが近似する関数の性質と応用

著者 (1件)： 松原崇 (神戸大 大学院システム情報学研究科)
資料名： 日本神経回路学会誌  (Brain & Neural Networks)
巻： 25  号： 4  ページ： 175-180  発行年： 2018年12月05日 
JST資料番号： L3334A  ISSN： 1340-766X  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： ニューラルネットワークは中間層に十分多いユニットが存在すれば,任意の有界な関数を近似することができる。しかし,ニューラルネットワークの近似する関数にはある種の傾向があることが知られている。また関数を近似できることは,確率モデルなどその他の様々な応用が考えられる。本稿では近年のニューラルネットワークがモーフィックする関数の性質と,それを用いた応用について解説する。(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *近似法 ,  関数近似 ,  数学的性質 ,  *確率モデル ,  応用プログラム
準シソーラス用語： アプリケーション

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  数値計算  (JE02000J) ,  システム・制御理論一般  (IA02010H)

引用文献 (47件)：

• 1) Cybenko, G. (1989): Approximation by superpositions of a sigmoidal function. In: Mathematics of control, signals and systems.
• 2) Montúfar, G., et al. (2014): On the Number of Linear Regions of Deep Neural Networks. In: Advances in Neural Information Processing Systems (NIPS).
• 3) Eldan, R., Shamir, O. (2016): The Power of Depth for Feedforward Neural Networks. In: Conference on Learning Theory (COLT).
• 4) LeCun, Y., et al. (1998): Gradient-based learning applied to document recognition. In: Proceedings of the IEEE.
• 5) Sutskever, I., Vinyals, O., Le, Q.V. (2014): Sequence to sequence learning with neural networks. In: Advances in Neural Information Processing Systems (NIPS).

タイトルに関連する用語 (5件)： ニューラルネットワーク ,  近似 ,  関数 ,  性質 ,  応用