文献

J-GLOBAL ID：201802246172794385   整理番号：18A1683740

神経回路網の解剖学【JST・京大機械翻訳】

The Anatomy of a Neural Network

著者 (3件)： LaRue James P. (PhD, Jadco Signals) ,  Tutwiler Richard L. (Professor Emeritus ARL / Penn State University/CEO LiveMotion3D LLC) ,  LaRue Dennison J. (Juris Doctor Candidate 2020, South Carolina School of Law)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： AIPR  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： それは,ニューラルネットワークを利用することの有効性によって,大きな改良があった。しかしながら,これらの改善は,最も多くの部分に対して,改善されたクロック速度,メモリにおけるレバーエージングの増加,およびGPUによるアップフロント処理の並列化を可能にした。しかし,過去20年以上にわたって得られたものは,内部層が訓練における収束に関してどのように反応しているか,また試験中の層を横切る情報変換の理解であり,内部神経層が不透明なブラックボックスであるという一般的な認識を説明する可能性がある。本論文では,実際には真ではないことを示した。部分1は,マトリックス可視化を通して,多層畳込みニューラルネットワークを通してのフィードフォワード処理を実証する。第2部では,安定化および圧縮性連想メモリ行列を形成するために,ネットワーク内の層の連続対に対するKohonenおよびKoskoの相関行列メモリ法のユニークな導関数応用を検討した。パート2の部分は,著者らの安定化されたマトリックスが簡単に一緒に乗ることができて,このように単一層を形成することができて,したがって,CybenkoとHornikの普遍的近似定理を実現することである。効果において,ニューラルネットワークの解剖学は,ブラックボックスを開く方法を明らかにして,その内部の作業の利点を取り入れた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  クロック ,  単一層 ,  記憶装置 ,  ブラックボックス ,  フィードフォワード ,  導関数 ,  連想メモリ ,  近似法 ,  *神経回路網 ,  ネットワーク ,  *解剖学 ,  多層 ,  可視化
準シソーラス用語： *神経 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 神経回路網 ,  解剖学